Pandas je moćna Python biblioteka koja se široko koristi za manipulaciju i analizu podataka. Jedna uobičajena operacija koja se izvodi s podacima je zamjena vrijednosti stupca na temelju određenih kriterija, kao što je uvjetovanje ili preslikavanje na druge vrijednosti. U ovom ćemo članku istražiti kako učinkovito primijeniti ovu operaciju pomoću biblioteke Pandas. Bez obzira jeste li podatkovni znanstvenik, programer ili modni stručnjak koji ulazi u svijet modnih trendova vođenih podacima, ovo će vam znanje biti neprocjenjivo.
Ključ za razumijevanje ove operacije leži u svladavanju ugrađenih funkcija koje pruža biblioteka Pandas. Konkretno, usredotočit ćemo se na upotrebu funkcija `replace()`, `map()` i `apply()` za manipuliranje vrijednostima stupaca na temelju različitih kriterija.
import pandas as pd
# Sample data
data = {'Fashion_Style': ['Boho', 'Grunge', 'Preppy', 'Vintage', 'Athleisure'],
'Colors': ['Earthy tones', 'Dark shades', 'Bright tones', 'Muted tones', 'Monochrome']}
df = pd.DataFrame(data)
# Replacing column values
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])
print(df)
Korak po korak objašnjenje koda
1. Prvo uvozimo biblioteku Pandas kao `pd`. Ovo je uobičajena konvencija i omogućuje nam pozivanje Pandas funkcija skraćenicom `pd`.
2. Zatim stvaramo rječnik pod nazivom `data` koji sadrži stupce 'Fashion_Style' i 'Colors', kao i njihove vrijednosti.
3. Zatim stvaramo DataFrame pod nazivom `df` koristeći funkciju `pd.DataFrame()` s rječnikom `data` kao argumentom.
4. Nakon toga koristimo funkciju `replace()` za zamjenu određenih vrijednosti u stupcu 'Boje'. U našem primjeru zamijenili smo 'zemljane tonove' s 'toplim tonovima', a 'jednobojne' s 'kontrastnim tonovima'.
5. Konačno, ispisujemo ažurirani DataFrame `df` da provjerimo ishod.
Pandas ugrađene funkcije za zamjenu vrijednosti stupca
Pandas nudi nekoliko ugrađenih funkcija za rad s vrijednostima stupaca u DataFrames. Među njima, identificirali smo `replace()`, `map()` i `apply()` kao posebno korisne kada se radi o zamjeni vrijednosti stupaca na temelju različitih uvjeta.
zamijeniti (): Ova se funkcija koristi za zamjenu navedenih vrijednosti u DataFrameu ili seriji. Može se primijeniti na određeni stupac ili cijeli DataFrame, a podržava regularne izraze za napredno podudaranje uzoraka.
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])
karta(): Funkcija `map()` slična je `replace()`, ali primjenjuje danu funkciju ili rječnik na svaki element u seriji. Ovo može biti korisno kada trebate preslikati vrijednosti stupaca u nove vrijednosti na temelju određenog skupa pravila.
color_mapping = {'Earthy tones': 'Warm tones', 'Monochrome': 'Contrast tones'}
df['Colors'] = df['Colors'].map(color_mapping)
primijeniti (): Funkcija `apply()` moćan je alat koji primjenjuje danu funkciju duž osi DataFramea. Može se koristiti na cijelom DataFrameu ili određenim stupcima za postizanje širokog raspona transformacija.
def update_colors(color_value):
if color_value == 'Earthy tones':
return 'Warm tones'
elif color_value == 'Monochrome':
return 'Contrast tones'
else:
return color_value
df['Colors'] = df['Colors'].apply(update_colors)
S ovim funkcijama koje su vam na raspolaganju, sada ste spremni uhvatiti se u koštac s raznim zadacima manipulacije podacima u Pandi, kao što je zamjena vrijednosti stupaca u DataFrames. Ovo znanje nije primjenjivo samo u području podatkovne znanosti i programiranja, već se također pokazalo korisnim pri analizi modernih modnih stilova, identificiranju novih trendova i razumijevanju povijesnog značaja različitih stilova i boja.
