ಪರಿಹರಿಸಲಾಗಿದೆ: ಪಾಂಡಾಸ್ ಡೇಟಾಫ್ರೇಮ್‌ಗೆ ಹೊಸ ಕಾಲಮ್ ಸೇರಿಸಿ

ಈ ಲೇಖನದಲ್ಲಿ, ಡೇಟಾ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಪೈಥಾನ್‌ನಲ್ಲಿರುವ ಜನಪ್ರಿಯ ಲೈಬ್ರರಿಯಾದ ಪಾಂಡಾಸ್ ಡೇಟಾಫ್ರೇಮ್‌ಗೆ ಹೊಸ ಕಾಲಮ್ ಅನ್ನು ಸೇರಿಸುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ನಾವು ಅನ್ವೇಷಿಸುತ್ತೇವೆ. ನಾವು ಈ ಸಮಸ್ಯೆಗೆ ಪರಿಹಾರವನ್ನು ಚರ್ಚಿಸುತ್ತೇವೆ, ಕೋಡ್‌ನ ಹಂತ-ಹಂತದ ವಿವರಣೆಯ ಮೂಲಕ ಹೋಗುತ್ತೇವೆ ಮತ್ತು ಪಾಂಡಾಸ್ ಲೈಬ್ರರಿಯಲ್ಲಿ ಕೆಲವು ಸಂಬಂಧಿತ ವಿಷಯಗಳು ಮತ್ತು ಕಾರ್ಯಗಳನ್ನು ಒಳಗೊಳ್ಳುತ್ತೇವೆ. ಪಾಂಡಾಗಳು ಉನ್ನತ ಮಟ್ಟದ ಡೇಟಾ ರಚನೆಗಳು ಮತ್ತು ಪರಿಕರಗಳನ್ನು ಒಳಗೊಂಡ ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲಾಗುವ ಗ್ರಂಥಾಲಯವಾಗಿದ್ದು, ಸಮರ್ಥ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಪರಿಪೂರ್ಣವಾಗಿದೆ.

ಪ್ರಾರಂಭಿಸಲು, ನಾವು ಪಾಂಡಾಸ್ ಡೇಟಾಫ್ರೇಮ್ ರೂಪದಲ್ಲಿ ಡೇಟಾಸೆಟ್ ಅನ್ನು ಹೊಂದಿದ್ದೇವೆ ಮತ್ತು ನಾವು ಅದಕ್ಕೆ ಹೊಸ ಕಾಲಮ್ ಅನ್ನು ಸೇರಿಸಲು ಬಯಸುತ್ತೇವೆ ಎಂದು ಭಾವಿಸೋಣ. ದತ್ತಾಂಶ ತಯಾರಿಕೆಯ ಹಂತದಲ್ಲಿ ಇದು ಸಾಮಾನ್ಯ ಅವಶ್ಯಕತೆಯಾಗಿದೆ, ಸಾಮಾನ್ಯವಾಗಿ ವೈಶಿಷ್ಟ್ಯ ಎಂಜಿನಿಯರಿಂಗ್‌ಗೆ ಅಥವಾ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಕಾಲಮ್‌ಗಳ ಆಧಾರದ ಮೇಲೆ ಹೆಚ್ಚುವರಿ ಮಾಹಿತಿಯನ್ನು ರಚಿಸಲು ಅಗತ್ಯವಾಗಿರುತ್ತದೆ. ಇದನ್ನು ಹೇಗೆ ಸಾಧಿಸಬಹುದು ಎಂಬುದರ ಕುರಿತು ಧುಮುಕೋಣ.

ಪಾಂಡಾಸ್ ಡೇಟಾಫ್ರೇಮ್‌ಗೆ ಹೊಸ ಕಾಲಮ್ ಅನ್ನು ಸೇರಿಸಲಾಗುತ್ತಿದೆ

ಅಗತ್ಯವಿರುವ ಲೈಬ್ರರಿಯನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳುವ ಮೂಲಕ ಮತ್ತು ಮಾದರಿ ಡೇಟಾಫ್ರೇಮ್ ಅನ್ನು ರಚಿಸುವ ಮೂಲಕ ನಾವು ಪ್ರಾರಂಭಿಸುತ್ತೇವೆ.

import pandas as pd

data = {'Name': ['Alex', 'Tom', 'Nick', 'Sam'],
        'Age': [25, 28, 23, 22],
        'City': ['NY', 'LA', 'SF', 'Chicago']}

df = pd.DataFrame(data)

ಈಗ, ಡೀಫಾಲ್ಟ್ ಮೌಲ್ಯದೊಂದಿಗೆ ನಮ್ಮ ಡೇಟಾಫ್ರೇಮ್‌ಗೆ ಹೊಸ ಕಾಲಮ್ 'ಕಂಟ್ರಿ' ಅನ್ನು ಸೇರಿಸೋಣ, 'USA' ಎಂದು ಹೇಳಿ.

df['Country'] = 'USA'

ಕೋಡ್‌ನ ಈ ಸರಳ ಸಾಲು ನಮ್ಮ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಡೇಟಾಫ್ರೇಮ್ 'df' ಗೆ ಅದರ ಎಲ್ಲಾ ಸಾಲುಗಳಲ್ಲಿ 'USA' ಮೌಲ್ಯದೊಂದಿಗೆ 'ಕಂಟ್ರಿ' ಹೆಸರಿನ ಹೊಸ ಕಾಲಮ್ ಅನ್ನು ಸೇರಿಸುತ್ತದೆ. ನಮ್ಮ ನವೀಕರಿಸಿದ ಡೇಟಾಫ್ರೇಮ್ ಈ ರೀತಿ ಕಾಣುತ್ತದೆ:

  Name  Age     City Country
0  Alex   25      NY     USA
1   Tom   28      LA     USA
2  Nick   23      SF     USA
3   Sam   22  Chicago     USA

ಹಂತ-ಹಂತದ ಕೋಡ್ ವಿವರಣೆ

ಕೋಡ್ ಅನ್ನು ಒಡೆಯೋಣ ಮತ್ತು ಹಂತ ಹಂತವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳೋಣ.

1. ಮೊದಲಿಗೆ, ನಾವು ಪ್ರಮಾಣಿತ ಅಲಿಯಾಸ್ 'pd' ಅನ್ನು ಬಳಸಿಕೊಂಡು ಪಾಂಡಾಸ್ ಲೈಬ್ರರಿಯನ್ನು ಆಮದು ಮಾಡಿಕೊಳ್ಳುತ್ತೇವೆ. ಇದು 'pd' ಪೂರ್ವಪ್ರತ್ಯಯವನ್ನು ಬಳಸಿಕೊಂಡು ಪಾಂಡಾಗಳ ಕಾರ್ಯಗಳನ್ನು ಮತ್ತು ತರಗತಿಗಳನ್ನು ಪ್ರವೇಶಿಸಲು ನಮಗೆ ಅನುಮತಿಸುತ್ತದೆ.

import pandas as pd

2. ಮುಂದೆ, ನಾವು ಕೆಲವು ಮಾದರಿ ಡೇಟಾವನ್ನು ಹೊಂದಿರುವ ನಿಘಂಟಿನ 'ಡೇಟಾ' ಅನ್ನು ರಚಿಸುತ್ತೇವೆ. ನಿಘಂಟಿನಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ಕೀಲಿಯು ಕಾಲಮ್ ಹೆಸರನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ ಮತ್ತು ಅದರ ಅನುಗುಣವಾದ ಮೌಲ್ಯವು ಆ ಕಾಲಮ್‌ನ ಮೌಲ್ಯಗಳ ಪಟ್ಟಿಯಾಗಿದೆ.

data = {'Name': ['Alex', 'Tom', 'Nick', 'Sam'],
        'Age': [25, 28, 23, 22],
        'City': ['NY', 'LA', 'SF', 'Chicago']}

3. ನಂತರ ನಾವು ಈ ನಿಘಂಟನ್ನು `pd.DataFrame()` ಕಾರ್ಯವನ್ನು ಬಳಸಿಕೊಂಡು Pandas DataFrame ವಸ್ತುವಾಗಿ ಪರಿವರ್ತಿಸುತ್ತೇವೆ.

df = pd.DataFrame(data)

4. ಅಂತಿಮವಾಗಿ, ಹೊಸ ಕಾಲಮ್ ಅನ್ನು ಸೇರಿಸಲು, ನಾವು ಡೇಟಾಫ್ರೇಮ್‌ನೊಂದಿಗೆ "=" ಕಾರ್ಯನಿಯೋಜನೆ ಆಪರೇಟರ್ ಅನ್ನು ಸರಳವಾಗಿ ಬಳಸುತ್ತೇವೆ, ಚೌಕದ ಬ್ರಾಕೆಟ್‌ಗಳ ಒಳಗೆ ಹೊಸ ಕಾಲಮ್ ಹೆಸರನ್ನು ಒದಗಿಸುತ್ತೇವೆ ಮತ್ತು ಡೀಫಾಲ್ಟ್ ಮೌಲ್ಯವನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸುತ್ತೇವೆ. ನಮ್ಮ ಸಂದರ್ಭದಲ್ಲಿ, ನಾವು ಡೀಫಾಲ್ಟ್ ಮೌಲ್ಯ 'USA' ನೊಂದಿಗೆ 'ದೇಶ' ಕಾಲಮ್ ಅನ್ನು ಸೇರಿಸಿದ್ದೇವೆ.

df['Country'] = 'USA'

ಪಾಂಡಾಗಳ ಗ್ರಂಥಾಲಯ ಮತ್ತು ಸಂಬಂಧಿತ ಕಾರ್ಯಗಳು

ಪಾಂಡಾಗಳು ಪ್ರಬಲ ಪೈಥಾನ್ ಲೈಬ್ರರಿಯಾಗಿದ್ದು, ಡೇಟಾ ಸಂಸ್ಕರಣೆ, ಶುಚಿಗೊಳಿಸುವಿಕೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆ ಕಾರ್ಯಗಳಿಗೆ ವಿಶೇಷವಾಗಿ ಸೂಕ್ತವಾಗಿದೆ. ಇದು ಎರಡು ಮುಖ್ಯ ಡೇಟಾ ರಚನೆಗಳನ್ನು ಒದಗಿಸುತ್ತದೆ: ಡೇಟಾ ಫ್ರೇಮ್ ಮತ್ತು ಸರಣಿ. ಡೇಟಾಫ್ರೇಮ್ ಎನ್ನುವುದು ಎರಡು ಆಯಾಮದ ಕೋಷ್ಟಕ ಡೇಟಾ ರಚನೆಯಾಗಿದ್ದು, ಲೇಬಲ್ ಮಾಡಲಾದ ಅಕ್ಷಗಳನ್ನು (ಸಾಲುಗಳು ಮತ್ತು ಕಾಲಮ್‌ಗಳು) ಹೊಂದಿದೆ. ಮತ್ತೊಂದೆಡೆ, ಸರಣಿಯು ಯಾವುದೇ ಪ್ರಕಾರದ ಡೇಟಾವನ್ನು ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ಒಂದು ಆಯಾಮದ ಲೇಬಲ್ ಮಾಡಲಾದ ಸರಣಿಯಾಗಿದೆ.

ಡೇಟಾಫ್ರೇಮ್‌ನಲ್ಲಿ ಕಾಲಮ್‌ಗಳನ್ನು ಸೇರಿಸುವುದು, ಮಾರ್ಪಡಿಸುವುದು ಮತ್ತು ಅಳಿಸಲು ಸಂಬಂಧಿಸಿದ ಕೆಲವು ಸಾಮಾನ್ಯ ಪಾಂಡಾಗಳ ಕಾರ್ಯಗಳು ಈ ಕೆಳಗಿನಂತಿವೆ:

• ಸೇರಿಸು(): ನಿರ್ದಿಷ್ಟಪಡಿಸಿದ ಸ್ಥಾನದಲ್ಲಿ ಕಾಲಮ್ ಅನ್ನು ಸೇರಿಸಲು.
• ಡ್ರಾಪ್ (): ಡೇಟಾಫ್ರೇಮ್‌ನಿಂದ ಕಾಲಮ್ ಅನ್ನು ತೆಗೆದುಹಾಕಲು.
• ಮರುಹೆಸರಿಸು(): ಡೇಟಾಫ್ರೇಮ್‌ನ ಕಾಲಮ್ ಅನ್ನು ಮರುಹೆಸರಿಸಲು.
• ನಿಯೋಜಿಸಿ (): ಅಭಿವ್ಯಕ್ತಿಯ ಫಲಿತಾಂಶದ ಆಧಾರದ ಮೇಲೆ ಹೊಸ ಕಾಲಮ್ ಅನ್ನು ರಚಿಸಲು.

ಆದ್ದರಿಂದ, ಪಾಂಡಾಸ್ ಡೇಟಾಫ್ರೇಮ್‌ಗೆ ಹೊಸ ಕಾಲಮ್ ಅನ್ನು ಸೇರಿಸುವುದು ಸರಳ ಮತ್ತು ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ. ಈ ಲೇಖನದಲ್ಲಿ, ಡೀಫಾಲ್ಟ್ ಮೌಲ್ಯದೊಂದಿಗೆ ಹೊಸ ಕಾಲಮ್ ಅನ್ನು ಸೇರಿಸುವ ಮೂಲ ವಿಧಾನವನ್ನು ನಾವು ಒಳಗೊಂಡಿದ್ದೇವೆ ಮತ್ತು ಒಳಗೊಂಡಿರುವ ಹಂತಗಳಿಗೆ ವಿವರವಾದ ವಿವರಣೆಗಳನ್ನು ಒದಗಿಸಿದ್ದೇವೆ. ನಾವು ಪಾಂಡಾಗಳನ್ನು ಪ್ರಬಲ ಡೇಟಾ ಮ್ಯಾನಿಪ್ಯುಲೇಷನ್ ಲೈಬ್ರರಿಯಾಗಿ ಪರಿಚಯಿಸಿದ್ದೇವೆ ಮತ್ತು ಡೇಟಾಫ್ರೇಮ್ ಕಾಲಮ್‌ಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಕೆಲವು ಸಂಬಂಧಿತ ಕಾರ್ಯಗಳನ್ನು ಚರ್ಚಿಸಿದ್ದೇವೆ. ಈ ತಂತ್ರಗಳನ್ನು ಮಾಸ್ಟರಿಂಗ್ ಮಾಡುವ ಮೂಲಕ, ಪೈಥಾನ್‌ನಲ್ಲಿ ವ್ಯಾಪಕ ಶ್ರೇಣಿಯ ಡೇಟಾ ಸಂಸ್ಕರಣಾ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ನೀವು ಸುಸಜ್ಜಿತರಾಗಿರುತ್ತೀರಿ.