Pandas ir jaudīga Python bibliotēka, ko plaši izmanto datu manipulācijām un analīzei. Viena izplatīta darbība ar datiem ir kolonnu vērtību aizstāšana, pamatojoties uz noteiktiem kritērijiem, piemēram, kondicionēšanu vai kartēšanu ar citām vērtībām. Šajā rakstā mēs izpētīsim, kā efektīvi izmantot šo darbību, izmantojot Pandas bibliotēku. Neatkarīgi no tā, vai esat datu zinātnieks, programmētājs vai modes eksperts, kas iedziļinās uz datiem balstītu modes tendenču pasaulē, šīs zināšanas būs nenovērtējamas.
Šīs darbības izpratnes atslēga ir Pandas bibliotēkas nodrošināto iebūvēto funkciju apgūšana. Konkrēti, mēs koncentrēsimies uz funkciju "replace()", "map()" un "apply()" izmantošanu, lai manipulētu ar kolonnu vērtībām, pamatojoties uz dažādiem kritērijiem.
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)
Kodeksa soli pa solim skaidrojums
1. Pirmkārt, mēs importējam Pandas bibliotēku kā `pd`. Tā ir izplatīta metode, un tā ļauj mums izsaukt Pandas funkcijas ar īsrakstu "pd".
2. Pēc tam mēs izveidojam vārdnīcu ar nosaukumu "data", kurā ir kolonnas "Fashion_Style" un "Colors", kā arī to attiecīgās vērtības.
3. Pēc tam mēs izveidojam DataFrame ar nosaukumu "df", izmantojot funkciju "pd.DataFrame()" ar vārdnīcu "data" kā argumentu.
4. Pēc tam mēs izmantojam funkciju "replace()", lai aizstātu noteiktas vērtības kolonnā "Krāsas". Mūsu piemērā mēs aizstājam “Zemes toņi” ar “Silti toņi” un “Melnbalti” ar “Kontrasta toņi”.
5. Visbeidzot, mēs izdrukājam atjaunināto DataFrame `df', lai pārbaudītu rezultātu.
Pandas iebūvētās funkcijas kolonnu vērtību aizstāšanai
Pandas nodrošina vairākas iebūvētas funkcijas darbam ar kolonnu vērtībām DataFrames. Mēs esam noteikuši, ka “replace()”, “map()” un “apply()” ir īpaši noderīgi, ja nepieciešams aizstāt kolonnas vērtības, pamatojoties uz dažādiem nosacījumiem.
aizvietot (): šo funkciju izmanto, lai aizstātu noteiktas vērtības DataFrame vai Series. To var lietot konkrētai kolonnai vai visam DataFrame, un tas atbalsta regulārās izteiksmes uzlabotai modeļu saskaņošanai.
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])
karte (): Funkcija "map()" ir līdzīga funkcijai "replace()", taču tā katram sērijas elementam piemēro noteiktu funkciju vai vārdnīcu. Tas var būt noderīgi, ja nepieciešams kartēt kolonnu vērtības ar jaunām vērtībām, pamatojoties uz noteiktu noteikumu kopu.
color_mapping = {'Earthy tones': 'Warm tones', 'Monochrome': 'Contrast tones'}
df['Colors'] = df['Colors'].map(color_mapping)
pieteikties (): Funkcija Apply() ir jaudīgs rīks, kas lieto noteiktu funkciju pa DataFrame asi. To var izmantot visā DataFrame vai atsevišķās kolonnās, lai panāktu plašu transformāciju klāstu.
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)
Izmantojot šīs jūsu rīcībā esošās funkcijas, jūs tagad esat gatavs risināt dažādus datu manipulācijas uzdevumus programmā Pandas, piemēram, aizstāt kolonnu vērtības programmā DataFrames. Šīs zināšanas ir izmantojamas ne tikai datu zinātnes un programmēšanas jomā, bet arī ir noderīgas, analizējot mūsdienu modes stilus, identificējot jaunās tendences un izprotot dažādu stilu un krāsu vēsturisko nozīmi.
