Pandas ialah perpustakaan Python yang berkuasa digunakan secara meluas untuk manipulasi dan analisis data. Satu operasi biasa yang dilakukan dengan data ialah menggantikan nilai lajur berdasarkan kriteria tertentu, seperti pelaziman atau pemetaan kepada nilai lain. Dalam artikel ini, kami akan meneroka cara menggunakan operasi ini dengan berkesan menggunakan pustaka Pandas. Sama ada anda seorang saintis data, pengaturcara atau pakar fesyen yang mendalami dunia arah aliran fesyen yang dipacu data, pengetahuan ini amat berharga.
Kunci untuk memahami operasi ini terletak pada menguasai fungsi terbina dalam yang disediakan oleh perpustakaan Pandas. Khususnya, kami akan menumpukan pada penggunaan fungsi `replace()`, `map()` dan `apply()` untuk memanipulasi nilai lajur berdasarkan pelbagai kriteria.
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)
Penjelasan Langkah demi Langkah Kod
1. Pertama, kami mengimport perpustakaan Pandas sebagai `pd`. Ini adalah konvensyen biasa, dan ia membolehkan kami memanggil fungsi Pandas dengan trengkas `pd`.
2. Seterusnya, kami mencipta kamus yang dipanggil `data` yang mengandungi lajur 'Fashion_Style' dan 'Colors', serta nilai masing-masing.
3. Kami kemudian mencipta DataFrame bernama `df` menggunakan fungsi `pd.DataFrame()` dengan kamus `data` sebagai hujah.
4. Selepas itu, kami menggunakan fungsi `replace()` untuk menggantikan nilai tertentu dalam lajur 'Warna'. Dalam contoh kami, kami menggantikan 'Nada bumi' dengan 'Nada hangat' dan 'Monokrom' dengan 'Nada kontras'.
5. Akhir sekali, kami mencetak DataFrame `df` yang dikemas kini untuk menyemak hasilnya.
Fungsi Terbina dalam Panda untuk Penggantian Nilai Lajur
Pandas menyediakan beberapa fungsi terbina dalam untuk bekerja dengan nilai lajur dalam DataFrames. Di antara ini, kami telah mengenal pasti `replace()`, `map()` dan `apply()` sebagai amat berguna apabila ia datang untuk menggantikan nilai lajur berdasarkan pelbagai syarat.
ganti (): Fungsi ini digunakan untuk menggantikan nilai yang ditentukan dalam DataFrame atau Series. Ia boleh digunakan pada lajur tertentu atau keseluruhan DataFrame, dan ia menyokong ungkapan biasa untuk padanan corak lanjutan.
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])
peta (): Fungsi `map()` adalah serupa dengan `replace()`, tetapi ia menggunakan fungsi atau kamus yang diberikan kepada setiap elemen dalam Siri. Ini boleh berguna apabila anda perlu memetakan nilai lajur kepada nilai baharu berdasarkan set peraturan tertentu.
color_mapping = {'Earthy tones': 'Warm tones', 'Monochrome': 'Contrast tones'}
df['Colors'] = df['Colors'].map(color_mapping)
terpakai (): Fungsi `apply()` ialah alat berkuasa yang menggunakan fungsi tertentu di sepanjang paksi DataFrame. Ia boleh digunakan pada keseluruhan DataFrame atau lajur tertentu untuk mencapai pelbagai transformasi.
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)
Dengan fungsi ini di pelupusan anda, anda kini bersedia untuk menangani pelbagai tugas manipulasi data dalam Panda, seperti menggantikan nilai lajur dalam DataFrames. Pengetahuan ini bukan sahaja terpakai dalam bidang sains data dan pengaturcaraan tetapi juga terbukti berguna apabila menganalisis gaya fesyen moden, mengenal pasti trend yang muncul, dan memahami kepentingan sejarah pelbagai gaya dan warna.
