Pandas là một thư viện Python mạnh mẽ được sử dụng rộng rãi để thao tác và phân tích dữ liệu. Một thao tác phổ biến được thực hiện với dữ liệu là thay thế các giá trị cột dựa trên các tiêu chí nhất định, chẳng hạn như điều hòa hoặc ánh xạ tới các giá trị khác. Trong bài viết này, chúng ta sẽ khám phá cách áp dụng hiệu quả thao tác này bằng thư viện Pandas. Cho dù bạn là nhà khoa học dữ liệu, lập trình viên hay chuyên gia thời trang nghiên cứu sâu về thế giới xu hướng thời trang dựa trên dữ liệu, kiến thức này sẽ là vô giá.
Chìa khóa để hiểu thao tác này nằm ở việc nắm vững các chức năng tích hợp do thư viện Pandas cung cấp. Cụ thể, chúng ta sẽ tập trung vào việc sử dụng các hàm `replace()`, `map()` và `apply()` để thao tác các giá trị cột dựa trên các tiêu chí khác nhau.
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)
Giải thích từng bước về mã
1. Đầu tiên, chúng tôi nhập thư viện Pandas dưới dạng `pd`. Đây là một quy ước phổ biến và nó cho phép chúng ta gọi các hàm Pandas bằng cách viết tắt `pd`.
2. Tiếp theo, chúng ta tạo một từ điển gọi là `data` chứa các cột 'Fashion_Style' và 'Colors', cũng như các giá trị tương ứng của chúng.
3. Sau đó, chúng tôi tạo một DataFrame có tên `df` bằng cách sử dụng hàm `pd.DataFrame()` với từ điển `data` làm đối số.
4. Sau đó, chúng ta sử dụng hàm `replace()` để thay thế các giá trị cụ thể trong cột 'Colors'. Trong ví dụ của chúng tôi, chúng tôi thay thế 'Tông màu đất' bằng 'Tông ấm' và 'Đơn sắc' bằng 'Tông tương phản'.
5. Cuối cùng, chúng tôi in DataFrame `df` đã cập nhật để kiểm tra kết quả.
Hàm tích hợp Pandas để thay thế giá trị cột
Pandas cung cấp một số hàm tích hợp để làm việc với các giá trị cột trong DataFrames. Trong số này, chúng tôi đã xác định `replace()`, `map()` và `apply()` là đặc biệt hữu ích khi thay thế các giá trị cột dựa trên các điều kiện khác nhau.
thay thế (): Hàm này được sử dụng để thay thế các giá trị đã chỉ định trong DataFrame hoặc Sê-ri. Nó có thể được áp dụng cho một cột cụ thể hoặc toàn bộ DataFrame và nó hỗ trợ các biểu thức chính quy để khớp mẫu nâng cao.
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])
bản đồ(): Hàm `map()` tương tự như `replace()`, nhưng nó áp dụng một hàm hoặc từ điển nhất định cho từng phần tử trong Chuỗi. Điều này có thể hữu ích khi bạn cần ánh xạ các giá trị cột thành các giá trị mới dựa trên một bộ quy tắc cụ thể.
color_mapping = {'Earthy tones': 'Warm tones', 'Monochrome': 'Contrast tones'}
df['Colors'] = df['Colors'].map(color_mapping)
ứng dụng(): Hàm `apply()` là một công cụ mạnh áp dụng một hàm đã cho dọc theo một trục của DataFrame. Nó có thể được sử dụng trên toàn bộ DataFrame hoặc các cột cụ thể để đạt được nhiều loại biến đổi.
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)
Với các chức năng này theo ý của bạn, giờ đây bạn đã sẵn sàng xử lý các tác vụ thao tác dữ liệu khác nhau trong Pandas, chẳng hạn như thay thế các giá trị cột trong DataFrames. Kiến thức này không chỉ được áp dụng trong lĩnh vực khoa học dữ liệu và lập trình mà còn hữu ích khi phân tích các phong cách thời trang hiện đại, xác định các xu hướng mới nổi và hiểu ý nghĩa lịch sử của các kiểu dáng và màu sắc khác nhau.
