Ang Pandas ay isang malakas at maraming nalalaman na library ng Python na malawakang ginagamit para sa pagmamanipula at pagsusuri ng data. Isang karaniwang kinakailangan kapag nagtatrabaho sa data ay ang pagpasok ng maraming column sa isang DataFrame. Sa artikulong ito, tutuklasin namin ang proseso ng pagdaragdag ng maraming column sa isang DataFrame gamit ang library ng Pandas, tatalakayin ang code, at sumisid nang mas malalim sa mga nauugnay na function, library, at konsepto na makakatulong sa iyong maging eksperto sa Pandas.
Pagdaragdag ng Maramihang Mga Column sa isang Pandas DataFrame
Upang magpasok ng maraming column sa isang DataFrame, gagamitin namin ang concat magagamit sa library ng Pandas. Binibigyang-daan ka ng function na ito na pagsamahin ang maramihang DataFrame sa tabi ng isa't isa, alinman sa mga row o column. Kapag naglalagay ng mga bagong column, pagsasamahin namin ang DataFrames kasama ang mga column. Magsimula tayo sa solusyon sa ating problema.
import pandas as pd
# Create a sample DataFrame
data = {
'A': [1, 2, 3],
'B': [4, 5, 6]
}
df = pd.DataFrame(data)
# Create new columns to be inserted
new_columns = {
'C': [7, 8, 9],
'D': [10, 11, 12]
}
new_df = pd.DataFrame(new_columns)
# Insert new columns into the existing DataFrame
result = pd.concat([df, new_df], axis=1)
print(result)
Hakbang-hakbang na Pagpapaliwanag ng Kodigo
Sa aming halimbawa, dadaan kami sa proseso ng hakbang-hakbang upang maunawaan kung paano gumagana ang code.
1. Una, ini-import namin ang kinakailangang library, Pandas, sa pamamagitan ng pagpapatupad import pandas bilang pd. Nagbibigay-daan ito sa amin na gumamit ng mga function ng Pandas sa aming script.
2. Susunod, gumawa kami ng sample na DataFrame na tinatawag df at isang bagong DataFrame para sa mga bagong column, new_df.
3. Upang ipasok ang mga bagong column (new_df) sa aming orihinal na DataFrame (df), ginagamit namin ang pd.concat function. Sa pamamagitan ng pagtukoy axis=1, sinasabi namin sa function na pagdugtungin kasama ang mga column, inilalagay ang mga bagong column sa tabi ng umiiral na DataFrame.
4. Sa wakas, ipi-print namin ang nagreresultang DataFrame upang i-verify na ang mga bagong column ay naipasok nang tama.
Mga Advanced na Kaso at Teknik sa Paggamit
Habang ang concat function ay isang mahusay na tool para sa pagpasok ng maraming column sa isang DataFrame, maaari kang makatagpo ng mga sitwasyon kung saan kailangan mo ng mas advanced na mga diskarte para sa pagkamit ng mga partikular na layunin. Sa seksyong ito, tatalakayin natin ang ilang iba pang mga pamamaraan na makakatulong sa iyong maging eksperto sa pagmamanipula ng DataFrames gamit ang library ng Pandas.
-
Maglagay ng Column sa isang Tiyak na Posisyon
Sa mga kaso kung saan kailangan mong magpasok ng column sa isang partikular na posisyon sa DataFrame, ang isingit Ang pamamaraan ay isang mahalagang pagpipilian. Binibigyang-daan ka ng paraang ito na magpasok ng isang column bago ang isang tinukoy na index. Narito ang isang halimbawang code:
# Insert column 'E' with values [13, 14, 15] before index 1 (after the first column) df.insert(1, 'E', [13, 14, 15])
-
Maglagay ng Mga Column na Nagmula sa Iba Pang Mga Column
Minsan, maaaring gusto mong magpasok ng mga bagong column na hinango mula sa iba pang column sa DataFrame. Maaari kang magsagawa ng mga kalkulasyon sa umiiral na data upang gawin ang mga bagong column na ito. Halimbawa, upang kalkulahin ang produkto ng mga column na 'A' at 'B':
df['F'] = df['A'] * df['B']
Sa artikulong ito, tinalakay namin kung paano magpasok ng maraming column sa a Pandas DataFrame gamit ang concat function, natutunan ang sunud-sunod na paliwanag ng code, at nag-explore ng mga advanced na kaso at diskarte sa paggamit. Gamit ang kaalamang ito, maaari mo na ngayong epektibong manipulahin ang iyong data at maging mas mahusay sa iyong mga gawain sa pagsusuri ng data.
