Пандас је моћна Питхон библиотека која се широко користи за манипулацију и анализу података. Једна уобичајена операција која се изводи са подацима је замена вредности колона на основу одређених критеријума, као што је условљавање или мапирање на друге вредности. У овом чланку ћемо истражити како да ефикасно применимо ову операцију користећи Пандас библиотеку. Било да сте научник за податке, програмер или модни стручњак који улази у свет модних трендова заснованих на подацима, ово знање ће бити од непроцењиве вредности.
Кључ за разумевање ове операције лежи у савладавању уграђених функција које пружа Пандас библиотека. Конкретно, фокусираћемо се на употребу функција `реплаце()`, `мап()` и `аппли()` за манипулисање вредностима колона на основу различитих критеријума.
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)
Објашњење кода корак по корак
1. Прво увозимо Пандас библиотеку као `пд`. Ово је уобичајена конвенција и омогућава нам да Пандас функције позивамо скраћеницом `пд`.
2. Затим креирамо речник под називом `дата` који садржи колоне 'Фасхион_Стиле' и 'Цолорс', као и њихове одговарајуће вредности.
3. Затим креирамо ДатаФраме под називом `дф` користећи функцију `пд.ДатаФраме()` са речником `дата` као аргументом.
4. Након тога, користимо функцију `реплаце()` да заменимо одређене вредности у колони 'Боје'. У нашем примеру, замењујемо 'Еартхи тонес' са 'Варм тонес' и 'Моноцхроме' са 'Цонтраст тонес'.
5. На крају, штампамо ажурирани ДатаФраме `дф` да проверимо резултат.
Пандас уграђене функције за замену вредности колоне
Пандас пружа неколико уграђених функција за рад са вредностима колона у ДатаФрамес-у. Међу њима, идентификовали смо `реплаце()`, `мап()`, и `аппли()` као посебно корисне када је у питању замена вредности колона на основу различитих услова.
заменити (): Ова функција се користи за замену наведених вредности у ДатаФраме-у или серији. Може се применити на одређену колону или цео ДатаФраме, и подржава регуларне изразе за напредно подударање шаблона.
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])
Мапа(): Функција `мап()` је слична `реплаце()`, али примењује дату функцију или речник на сваки елемент у серији. Ово може бити корисно када треба да мапирате вредности колона у нове вредности на основу одређеног скупа правила.
color_mapping = {'Earthy tones': 'Warm tones', 'Monochrome': 'Contrast tones'}
df['Colors'] = df['Colors'].map(color_mapping)
применити(): Функција `аппли()` је моћан алат који примењује дату функцију дуж осе ДатаФраме-а. Може се користити на целом ДатаФраме-у или одређеним колонама да би се постигао широк спектар трансформација.
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)
Са овим функцијама које су вам на располагању, сада сте спремни да се позабавите разним задацима манипулације подацима у Пандас-у, као што је замена вредности колона у ДатаФрамес-у. Ово знање није применљиво само у области науке о подацима и програмирања, већ се такође показује корисним када се анализирају модерни модни стилови, идентификују нови трендови и разуме се историјски значај различитих стилова и боја.
