Trong thế giới phân tích dữ liệu, việc sử dụng bảng tính là phổ biến, đặc biệt là khi làm việc với dữ liệu có cấu trúc ở định dạng cột. Một trong những thư viện phổ biến để làm việc với dữ liệu bảng tính trong Python là Pandas. Thư viện mạnh mẽ này cho phép các nhà phát triển đọc, thao tác và xuất dữ liệu dạng bảng một cách dễ dàng. Trong bài viết này, chúng tôi sẽ tập trung vào một vấn đề cụ thể: cập nhật các ô trong trang tính theo tên cột bằng cách sử dụng Pandas. Chúng ta sẽ đi sâu vào giải pháp, tiếp theo là giải thích từng bước về mã và cuối cùng thảo luận về các khái niệm và chức năng liên quan trong Pandas, chẳng hạn như làm việc với các chỉ mục và chọn dữ liệu. Vậy hãy bắt đầu.
Cập nhật các ô theo tên cột bằng Pandas
Để cập nhật các ô trong một trang tính theo tên cột, trước tiên chúng ta cần cài đặt thư viện Pandas nếu nó chưa được cài đặt bằng lệnh sau:
!pip install pandas
Với Pandas đã được cài đặt, hãy phác thảo các bước để cập nhật các ô trong một trang tính theo tên cột:
1. Tải trang tính vào đối tượng DataFrame.
2. Truy cập các ô chúng tôi muốn cập nhật.
3. Sửa đổi các ô mong muốn bằng cách gán giá trị mới.
4. Lưu đối tượng DataFrame trở lại trang tính.
Đây là đoạn mã minh họa giải pháp bằng một ví dụ đơn giản:
import pandas as pd
# Load data from a CSV file into a DataFrame object
df = pd.read_csv('your_spreadsheet.csv')
# Access and update the desired cells - let's update column 'Age' by adding 1 to each value
df['Age'] = df['Age'] + 1
# Save the updated DataFrame back to the CSV file
df.to_csv('your_updated_spreadsheet.csv', index=False)
Hiểu mã
Bước đầu tiên là nhập thư viện Pandas dưới bí danh `pd`. Tiếp theo, chúng ta phải tải dữ liệu từ tệp CSV vào đối tượng DataFrame bằng hàm `pd.read_csv()`, chỉ định tên tệp đầu vào ('your_spreadsheet.csv').
Bây giờ đến phần chính của vấn đề: truy cập và cập nhật các ô mong muốn. Trong ví dụ này, chúng tôi muốn cập nhật cột 'Tuổi' bằng cách thêm 1 vào mỗi giá trị trong cột. Chúng tôi thực hiện việc này bằng cách đơn giản là thêm 1 vào cột 'Tuổi', được truy cập bằng cú pháp `df['Age']`. Mã này sẽ thực hiện cộng 1 theo từng yếu tố cho mỗi mục trong cột 'Tuổi'.
Cuối cùng, chúng tôi lưu DataFrame đã cập nhật trở lại tệp CSV bằng hàm `df.to_csv()` với tên tệp đầu ra ('your_updated_spreadsheet.csv'). Tham số `index=False` được sử dụng để tránh ghi số hàng vào tệp đầu ra.
Pandas lập chỉ mục và chọn dữ liệu
Pandas chủ yếu dựa vào khái niệm chỉ mục để chọn và thao tác dữ liệu. Theo mặc định, khi tải dữ liệu từ một tệp, Pandas sẽ gán một chỉ số đến từng hàng của DataFrame, bắt đầu từ 0. Khi làm việc với dữ liệu trong Pandas, điều cần thiết là phải hiểu các cách khác nhau của chọn và lọc dữ liệu dựa trên giá trị chỉ mục hoặc tên cột.
Ví dụ: để chọn một hoặc nhiều hàng cụ thể, bạn có thể sử dụng bộ chỉ mục `iloc`, cho phép bạn truy cập các hàng dựa trên chỉ mục số nguyên của chúng:
# Select the first row of the DataFrame first_row = df.iloc[0] # Select rows 1 to 3 (excluding 3) rows_1_to_2 = df.iloc[1:3]
Khi bạn cần cập nhật các ô dựa trên một điều kiện cụ thể, chẳng hạn như cập nhật cột 'Tuổi' chỉ cho những hàng mà một cột khác (ví dụ: 'Thành phố') có một giá trị nhất định, bạn có thể sử dụng lập chỉ mục boolean:
# Update the 'Age' column by adding 1, only for rows where 'City' is equal to 'New York' df.loc[df['City'] == 'New York', 'Age'] = df['Age'] + 1
Trong ví dụ này, bộ chỉ mục `loc` được sử dụng để chọn các hàng dựa trên điều kiện boolean và sau đó cột 'Tuổi' được cập nhật.
Hãy nhớ rằng đây chỉ là phần nổi của tảng băng chìm khi làm việc với dữ liệu trong Pandas. Thư viện cung cấp rất nhiều chức năng và kỹ thuật để thao tác, phân tích và trực quan hóa dữ liệu của bạn một cách hiệu quả. Hiểu những điều cơ bản, chẳng hạn như cập nhật các ô trong một trang tính theo tên cột, đặt nền tảng vững chắc để làm việc với các tác vụ phân tích và cấu trúc dữ liệu phức tạp hơn trong tương lai.
