Pandas je zmogljiva knjižnica Python, ki se pogosto uporablja za obdelavo in analizo podatkov. Ena pogosta operacija, ki se izvaja s podatki, je zamenjava vrednosti stolpca na podlagi določenih meril, kot je pogojevanje ali preslikava v druge vrednosti. V tem članku bomo raziskali, kako učinkovito uporabiti to operacijo s knjižnico Pandas. Ne glede na to, ali ste podatkovni znanstvenik, programer ali modni strokovnjak, ki se poglablja v svet podatkovno vodenih modnih trendov, bo to znanje neprecenljivo.
Ključ do razumevanja te operacije je v obvladovanju vgrajenih funkcij, ki jih ponuja knjižnica Pandas. Natančneje, osredotočili se bomo na uporabo funkcij `replace()`, `map()` in `apply()` za manipulacijo vrednosti stolpcev na podlagi različnih meril.
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)
Postopna razlaga kode
1. Najprej uvozimo knjižnico Pandas kot `pd`. To je običajna konvencija in nam omogoča klicanje funkcij Pandas s kratico `pd`.
2. Nato ustvarimo slovar z imenom `data`, ki vsebuje stolpca 'Fashion_Style' in 'Colors' ter njune vrednosti.
3. Nato ustvarimo DataFrame z imenom `df` z uporabo funkcije `pd.DataFrame()` s slovarjem `data` kot argumentom.
4. Nato uporabimo funkcijo `replace()` za zamenjavo določenih vrednosti v stolpcu 'Colors'. V našem primeru zamenjamo 'zemeljske tone' s 'toplimi toni' in 'enobarvne' s 'kontrastnimi toni'.
5. Na koncu natisnemo posodobljen DataFrame `df`, da preverimo rezultat.
Pandas vgrajene funkcije za zamenjavo vrednosti stolpca
Pandas ponuja več vgrajenih funkcij za delo z vrednostmi stolpcev v DataFrames. Med njimi smo identificirali `replace()`, `map()` in `apply()` kot posebej uporabne, ko gre za zamenjavo vrednosti stolpcev na podlagi različnih pogojev.
zamenjati (): Ta funkcija se uporablja za zamenjavo določenih vrednosti v DataFrame ali Series. Uporablja se lahko za določen stolpec ali celoten DataFrame in podpira regularne izraze za napredno ujemanje vzorcev.
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])
zemljevid(): Funkcija `map()` je podobna `replace()`, vendar uporabi dano funkcijo ali slovar za vsak element v seriji. To je lahko uporabno, ko morate vrednosti stolpcev preslikati v nove vrednosti na podlagi določenega niza pravil.
color_mapping = {'Earthy tones': 'Warm tones', 'Monochrome': 'Contrast tones'}
df['Colors'] = df['Colors'].map(color_mapping)
uporabi (): Funkcija `apply()` je zmogljivo orodje, ki uporabi dano funkcijo vzdolž osi DataFrame. Uporabite ga lahko na celotnem DataFrameu ali na določenih stolpcih, da dosežete širok nabor transformacij.
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 temi funkcijami, ki so vam na voljo, ste zdaj pripravljeni na reševanje različnih nalog manipulacije podatkov v Pandas, kot je zamenjava vrednosti stolpcev v DataFrames. To znanje ni uporabno le na področju podatkovne znanosti in programiranja, ampak se izkaže za uporabno tudi pri analizi sodobnih modnih stilov, prepoznavanju nastajajočih trendov in razumevanju zgodovinskega pomena različnih stilov in barv.
