Pandas on avoimen lähdekoodin Python-kirjasto, joka tarjoaa tehokkaita, helppokäyttöisiä tietorakenteita ja tietojen analysointityökaluja. Siitä on tullut kehittäjien ja datatieteilijöiden suosikkivalinta tietojen käsittelyssä ja analysoinnissa. Yksi Pandan tarjoamista tehokkaista ominaisuuksista on tietokehysten luominen ja muokkaaminen. Tässä artikkelissa tutkimme pandakirjaston avulla useiden sarakkeiden lisäämistä tietokehykseen, jos niitä ei ole olemassa. Käymme läpi vaiheittaisen koodin selityksen ja sukeltamme siihen liittyviin toimintoihin, kirjastoihin ja ongelmiin, joita saatat kohdata matkan varrella.
Tietokehysten kanssa työskenteleminen on ratkaisevan tärkeää dataa käsiteltäessä, ja usein saatat joutua tilanteeseen, jossa sinun on lisättävä tietokehykseen useita sarakkeita kerralla. Tämä voi olla hankalaa, mutta Pandas-kirjasto tekee tästä tehtävästä sujuvaa ja tehokasta. Aloitetaan tuomalla Pandas-kirjasto:
import pandas as pd
Useiden sarakkeiden lisääminen Pandas-tietokehykseen
Jos haluat lisätä tietokehykseen useita sarakkeita, voimme käyttää DataFrame.assign() -menetelmää. Tämän menetelmän avulla voimme lisätä tietokehykseen yhden tai useita sarakkeita kerralla. Luodaan esimerkkitietokehys ja lisätään siihen sitten useita sarakkeita, jos niitä ei vielä ole:
# Create a sample dataframe
data = {'column1': [1, 2, 3], 'column2': [4, 5, 6]}
df = pd.DataFrame(data)
# Add multiple columns if they do not exist
new_columns = ['column3', 'column4']
for new_col in new_columns:
if new_col not in df.columns:
df[new_col] = None
In koodinpätkä yllä, luomme ensin mallitietokehyksen, jossa on kaksi saraketta, sarake1 ja sarake2. Luomme sitten luettelon uusista sarakkeista 'column3' ja 'column4', jotka haluamme lisätä tietokehykseen. Lopuksi toistetaan sarakeluetteloa ja lisätään uusi sarake, jos sitä ei vielä ole tietokehyksessä.
Vaiheittainen selitys
Tässä on vaihe vaiheelta selitys jokaisesta osasta ratkaisustamme:
1. Aloitamme tuomalla Pandas-kirjaston käyttämällä "tuo pandat pd:nä".
2. Seuraavaksi luomme mallitietokehyksen nimeltä 'df', jossa on kaksi saraketta: sarake1 ja sarake2.
3. Luomme luettelon uusista sarakkeista, jotka haluamme lisätä tietokehykseen – 'column3' ja 'column4'.
4. Käytämme for-silmukkaa uusien sarakkeiden luettelon toistamiseen.
5. Tarkistamme silmukan sisällä, onko uusi sarake jo olemassa tietokehyksessä käyttämällä 'not in' -ehtoa. Jos uutta saraketta ei ole, lisäämme uuden sarakkeen tietokehykseen oletusarvolla Ei mitään.
Panda-funktiot ja kirjastot
Pandas tarjoaa laajan valikoiman toimintoja ja menetelmiä, jotka yksinkertaistavat tietokehysten käsittelyä ja manipulointia. Ratkaisussamme käytimme seuraavia avainkomponentteja:
- Datakehys – Pandan ensisijaisena tietorakenteena DataFrame on kaksiulotteinen, muuttuva, mahdollisesti heterogeeninen taulukkomuotoinen tieto, jossa on nimetyt akselit (rivit ja sarakkeet)
- DataFrame.columns – Tämä attribuutti palauttaa DataFramen sarakeotsikot, jolloin voimme käyttää ja tarkistaa, onko sarake olemassa vai ei.
- pd.DataFrame() – Se on rakentajatoiminto, joka luo uuden tietokehyksen. Sen avulla voit määrittää tiedot ja sarakkeiden nimet luonnin aikana.
Nyt kun ymmärrät paremmin, miten lisää useita sarakkeita Pandas-tietokehykseen, tämä tekniikka auttaa sinua hallitsemaan ja käsittelemään tietoja tehokkaasti. Muista, että Pandas tarjoaa lukuisia muita tehokkaita ominaisuuksia tietojen analysointiin ja käsittelyyn, joten muista tutustua myös niihin, jotta sinusta tulee tehokkaampi Python-kehittäjä.
