Pandas ही एक मुक्त-स्रोत पायथन लायब्ररी आहे जी उच्च-कार्यक्षमता, वापरण्यास-सोपी डेटा संरचना आणि डेटा विश्लेषण साधने प्रदान करते. डेटा मॅनिपुलेशन आणि अॅनालिसिसचा प्रश्न येतो तेव्हा डेव्हलपर आणि डेटा सायंटिस्ट यांच्यासाठी ही निवड बनली आहे. Pandas द्वारे प्रदान केलेल्या शक्तिशाली वैशिष्ट्यांपैकी एक म्हणजे डेटाफ्रेम तयार करणे आणि त्यात बदल करणे. या लेखात, आम्ही पांडा लायब्ररी वापरून, डेटाफ्रेममध्ये एकाधिक स्तंभ जोडण्याची प्रक्रिया शोधू. आम्ही कोडचे चरण-दर-चरण स्पष्टीकरण देऊ आणि संबंधित फंक्शन्स, लायब्ररी आणि मार्गात तुम्हाला येऊ शकणार्‍या समस्यांबद्दल जाणून घेऊ.
डेटा हाताळताना डेटाफ्रेमसह कार्य करणे महत्वाचे आहे आणि बर्‍याचदा तुम्ही स्वतःला अशा परिस्थितीत सापडू शकता जिथे तुम्हाला डेटाफ्रेममध्ये एकाच वेळी अनेक स्तंभ जोडावे लागतील. हे अवघड असू शकते, परंतु पांडा लायब्ररी हे कार्य सुलभ आणि कार्यक्षम करते. प्रथम, पांडा लायब्ररी आयात करून सुरुवात करूया:
import pandas as pd
पांडा डेटाफ्रेममध्ये एकाधिक स्तंभ जोडणे
डेटाफ्रेममध्ये अनेक स्तंभ जोडण्यासाठी, आम्ही DataFrame.assign() पद्धत वापरू शकतो. ही पद्धत आपल्याला डेटाफ्रेममध्ये एकाच वेळी एक किंवा अनेक स्तंभ जोडण्याची परवानगी देते. चला नमुना डेटाफ्रेम तयार करू आणि नंतर ते आधीपासून अस्तित्वात नसल्यास त्यात अनेक स्तंभ जोडा:
# 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
मध्ये वरील कोड स्निपेट, आम्ही प्रथम 'स्तंभ1' आणि 'स्तंभ २' या दोन स्तंभांसह नमुना डेटाफ्रेम तयार करतो. त्यानंतर आम्ही नवीन कॉलम्सची सूची तयार करतो, 'column2' आणि 'column3', जी आम्हाला डेटाफ्रेममध्ये जोडायची आहे. शेवटी, आम्ही स्तंभांच्या सूचीद्वारे पुनरावृत्ती करतो आणि डेटाफ्रेममध्ये आधीपासून अस्तित्वात नसल्यास नवीन स्तंभ जोडतो.
चरण-दर-चरण स्पष्टीकरण
येथे एक चरण-दर-चरण आहे प्रत्येक भागाचे स्पष्टीकरण आमच्या समाधानाचे:
1. आम्ही "import pandas as pd" वापरून पांडा लायब्ररी इंपोर्ट करून सुरुवात करतो.
2. पुढे, आम्ही दोन स्तंभांसह 'df' नावाचा नमुना डेटाफ्रेम तयार करतो: 'स्तंभ1' आणि 'स्तंभ २'.
3. आम्ही नवीन कॉलम्सची एक सूची तयार करतो जी आम्हाला डेटाफ्रेममध्ये जोडायची आहेत - 'column3' आणि 'column4'.
4. नवीन कॉलम्सच्या सूचीमधून पुनरावृत्ती करण्यासाठी आम्ही फॉर लूप वापरतो.
5. लूपमध्ये, आम्ही 'नॉट इन' कंडिशन वापरून डेटाफ्रेममध्ये नवीन कॉलम आधीपासून अस्तित्वात आहे का ते तपासतो. जर नवीन स्तंभ अस्तित्वात नसेल, तर आम्ही नवीन स्तंभ डेटाफ्रेममध्ये None च्या डीफॉल्ट मूल्यासह जोडतो.
पांडा फंक्शन्स आणि लायब्ररी
Pandas कार्ये आणि पद्धतींची विस्तृत श्रेणी ऑफर करते जी डेटाफ्रेम हाताळणे आणि हाताळणे सुलभ करते. आमच्या सोल्यूशनमध्ये, आम्ही खालील मुख्य घटक वापरले:
- डेटाफ्रेम - पांडामधील प्राथमिक डेटा स्ट्रक्चर म्हणून, डेटाफ्रेम हा द्विमितीय, परिवर्तनीय, लेबल केलेल्या अक्षांसह (पंक्ती आणि स्तंभ) संभाव्य विषम सारणी डेटा आहे.
- DataFrame.columns - ही विशेषता डेटाफ्रेमची स्तंभ लेबले परत करते, आम्हाला स्तंभ अस्तित्वात आहे की नाही ते ऍक्सेस आणि सत्यापित करण्याची परवानगी देते.
- pd.DataFrame() - नवीन डेटाफ्रेम तयार करण्यासाठी हे कन्स्ट्रक्टर फंक्शन आहे. हे आपल्याला निर्मिती दरम्यान डेटा आणि स्तंभ नावे परिभाषित करण्यास अनुमती देते.
आता तुम्हाला कसे करावे हे अधिक चांगले समजले आहे एकाधिक स्तंभ जोडा पांडा डेटाफ्रेममध्ये, हे तंत्र तुम्हाला डेटाचे कुशलतेने व्यवस्थापन आणि हाताळणी करण्यात मदत करेल. लक्षात ठेवा की Pandas डेटा विश्लेषण आणि हाताळणीसाठी इतर अनेक शक्तिशाली वैशिष्ट्ये ऑफर करते, म्हणून अधिक प्रभावी Python विकासक बनण्यासाठी ते देखील एक्सप्लोर करण्याचे सुनिश्चित करा.
