પાયથોનની પાન્ડાસ લાઇબ્રેરી એ ડેટા મેનીપ્યુલેશન અને વિશ્લેષણ માટે એક શક્તિશાળી અને બહુમુખી લાઇબ્રેરી છે, ખાસ કરીને જ્યારે ડેટાફ્રેમના સ્વરૂપમાં ટેબ્યુલર ડેટા સાથે કામ કરવામાં આવે છે. ડેટાફ્રેમ્સ સાથે કામ કરતી વખતે એક સામાન્ય કામગીરી ચોક્કસ જરૂરિયાતોને ફિટ કરવા માટે કૉલમના ક્રમને ફરીથી ગોઠવવાનું છે. આ લેખમાં, અમે પાંડા ડેટાફ્રેમમાં છેલ્લા કૉલમને પ્રથમ સ્થાન પર કેવી રીતે સ્થાનાંતરિત કરવું તેના પર ધ્યાન કેન્દ્રિત કરીશું. જ્યારે તમે ચોક્કસ કૉલમ્સ પર ધ્યાન દોરવા માંગતા હોવ ત્યારે આ ખાસ કરીને ઉપયોગી થઈ શકે છે, ખાસ કરીને જ્યારે ડેટાસેટમાં મોટી સંખ્યામાં કૉલમ હોય.
આ સમસ્યાને ઉકેલવા માટે, અમે પાંડા દ્વારા પૂરી પાડવામાં આવેલ મૂળભૂત કાર્યક્ષમતાનો ઉપયોગ કરીશું, જેમ કે ડેટાફ્રેમ અનુક્રમણિકા અને કૉલમ પુનઃક્રમાંકન. મુખ્ય ધ્યેય ડેટાફ્રેમમાંથી છેલ્લી કૉલમ કાઢવા અને અન્ય કૉલમનો ક્રમ જાળવી રાખીને તેને પ્રથમ સ્થાને દાખલ કરવાનો છે.
પ્રથમ, ચાલો પાંડા લાઇબ્રેરીને આયાત કરીએ અને ચાર કૉલમ સાથે એક સરળ ડેટાફ્રેમ બનાવીએ:
import pandas as pd
data = {'A': [1, 2, 3],
'B': [4, 5, 6],
'C': [7, 8, 9],
'D': [10, 11, 12]}
df = pd.DataFrame(data)
print(df)
આ નીચેની ડેટાફ્રેમ પ્રદર્શિત કરશે:
A B C D 0 1 4 7 10 1 2 5 8 11 2 3 6 9 12
હવે, ચાલો છેલ્લી કૉલમ (કૉલમ 'D') ને પ્રથમ કૉલમ તરીકે ખસેડીએ, અને તે મુજબ અન્ય કૉલમને શિફ્ટ કરીએ. ઉકેલમાં કોડની એક લાઇન શામેલ છે:
df = df[df.columns[-1:].tolist() + df.columns[:-1].tolist()] print(df)
આ સંશોધિત ડેટાફ્રેમનું આઉટપુટ કરશે:
D A B C 0 10 1 4 7 1 11 2 5 8 2 12 3 6 9
પાંડા ડેટાફ્રેમ કોલમ મેનીપ્યુલેશન સમજાવ્યું
અહીં કોડનું પગલું-દર-પગલાં સમજૂતી છે જે છેલ્લા કૉલમને પ્રથમ સ્થાને ખસેડે છે:
1. અમે ઇન્ડેક્સીંગનો ઉપયોગ કરીને છેલ્લી કૉલમ કાઢીએ છીએ: `df.columns[-1:]`. આ છેલ્લું કૉલમ નામ પાછું મેળવે છે, અને અમે તેને `ટોલિસ્ટ()` પદ્ધતિનો ઉપયોગ કરીને સૂચિમાં રૂપાંતરિત કરીએ છીએ.
2. અમે છેલ્લી એક સિવાયની બધી કૉલમ કાઢીએ છીએ: `df.columns[:-1]`. આ છેલ્લા એક સિવાયના તમામ કૉલમના નામોને પુનઃપ્રાપ્ત કરે છે, અને અમે તેને `ટોલિસ્ટ()` પદ્ધતિનો ઉપયોગ કરીને સૂચિમાં રૂપાંતરિત કરીએ છીએ.
3. અમે યાદીઓને જોડીએ છીએ: `df.columns[-1:].tolist() + df.columns[:-1].tolist()`. આ શરૂઆતમાં છેલ્લા કૉલમના નામ સાથે નવી સૂચિ બનાવે છે, ત્યારબાદ અન્ય કૉલમના નામ તેમના મૂળ ક્રમમાં આવે છે.
4. અમે ડેટાફ્રેમ પર નવો કૉલમ ઓર્ડર લાગુ કરીએ છીએ: `df[df.columns[-1:].tolist() + df.columns[:-1].tolist()]`. આ ઇચ્છિત કૉલમ ક્રમ સાથે નવી ડેટાફ્રેમ બનાવે છે.
પાંડા સાથે તમારી કુશળતા વધારવી
પાંડા લાઇબ્રેરીમાં હેન્ડલિંગ, હેરફેર અને પૃથ્થકરણ માટે અસંખ્ય સુવિધાઓ છે ડેટાફ્રેમ. આ ઉદાહરણમાં, અમે ડેટાફ્રેમમાં છેલ્લી કૉલમને પ્રથમ સ્થાને કેવી રીતે શિફ્ટ કરવી તે દર્શાવ્યું. આ ટેકનિક ડેટાસેટની અંદર ચોક્કસ કૉલમને પુનર્ગઠન કરવામાં અને તેના પર ધ્યાન કેન્દ્રિત કરવામાં મદદરૂપ છે.
ડેટાફ્રેમ સાથે કામ કરવું એ પાંડાનું માત્ર એક પાસું છે, કારણ કે લાઇબ્રેરીમાં હેન્ડલિંગ માટેના સાધનો પણ છે સમય શ્રેણી અને અન્ય જટિલ ડેટા સ્ટ્રક્ચર્સ. પાયથોનની પાંડા લાઇબ્રેરીમાં નિપુણ બનવા માટે, વિવિધ કાર્યોને સમજવું જરૂરી છે જેમ કે અનુક્રમણિકા, જોડાણ, અને કૉલમ પુનઃક્રમાંકન - તે બધા અસરકારક ડેટા મેનેજમેન્ટ માટે નિર્ણાયક છે.
વધુમાં, પાન્ડા ફિલ્ટરિંગ, એકત્રીકરણ અને સફાઈ જેવી અન્ય ઘણી કામગીરીને સપોર્ટ કરે છે, જે તેને ડેટા વિશ્લેષણના ક્ષેત્રમાં અનિવાર્ય સાધન બનાવે છે. પાંડાની શક્તિને મહત્તમ કરવા અને તમારા ડેટા મેનીપ્યુલેશનના પ્રયત્નોને વધારવા માટે વધુ અદ્યતન વિષયો અને તકનીકોનું અન્વેષણ કરવાની ખૂબ ભલામણ કરવામાં આવે છે.
