পান্ডায় অন্য মানের উপর ভিত্তি করে একটি মান পরিবর্তন করুন

Question 1

আমি গতি উন্নতির জন্য আমার স্টাটা কোডটি পাইথনে পুনরায় প্রোগ্রাম করার চেষ্টা করছি এবং পান্ডাসের দিকে আমার দিকে ইঙ্গিত করা হয়েছিল। তবে আমি কীভাবে ডেটা প্রক্রিয়াকরণ করতে পারি তার চারপাশে আমার মাথা ppingেকে রাখা খুব কঠিন সময় পাচ্ছে।

ধরা যাক আমি কলামের শিরোনামের আইডি'র সমস্ত মানগুলিতে পুনরাবৃত্তি করতে চাই। যদি সেই আইডি একটি নির্দিষ্ট সংখ্যার সাথে মেলে, তবে আমি দুটি অনুরূপ মান ফার্স্টনেম এবং লাস্টনাম পরিবর্তন করতে চাই।

স্টাটাতে এটি দেখতে এটির মতো দেখাচ্ছে:

replace FirstName = "Matt" if ID==103
replace LastName =  "Jones" if ID==103

সুতরাং এটি ফার্স্টনেমে সমস্ত মান প্রতিস্থাপন করে যা আইডি == 103 ম্যাট থেকে মানগুলির সাথে মিলে যায়।

পান্ডাসে, আমি এই জাতীয় কিছু চেষ্টা করছি

df = read_csv("test.csv")
for i in df['ID']:
    if i ==103:
          ...

এখান থেকে যেতে যেখানে নিশ্চিত নন। কোন ধারনা?

Question 2

একটি বিকল্প হ'ল পাইথনের স্লাইসিং এবং ইনডেক্সিং বৈশিষ্ট্যগুলি আপনার অবস্থার যে জায়গাগুলিতে রয়েছে সেগুলি যুক্তিযুক্তভাবে মূল্যায়ন করতে এবং সেখানে ডেটা ওভাররাইট করতে।

ধরে নেওয়া যাক আপনি সরাসরি আপনার ডেটা লোড করতে পারেন pandasসঙ্গে pandas.read_csvতারপর নিচের কোডটি আপনার জন্য সহায়ক হতে পারে।

import pandas
df = pandas.read_csv("test.csv")
df.loc[df.ID == 103, 'FirstName'] = "Matt"
df.loc[df.ID == 103, 'LastName'] = "Jones"

মন্তব্যে উল্লিখিত হিসাবে, আপনি উভয় কলামে একটি শটে অ্যাসাইনমেন্টটিও করতে পারেন:

df.loc[df.ID == 103, ['FirstName', 'LastName']] = 'Matt', 'Jones'

নোট করুন যে ওভাররাইট অ্যাসাইনমেন্ট ক্রিয়াকলাপগুলির জন্য pandasআপনাকে ব্যবহার করতে 0.11 বা আরও নতুন সংস্করণ প্রয়োজন loc।

এটি করার আরেকটি উপায় হ'ল যাকে চেইন অ্যাসাইনমেন্ট বলে use এর আচরণ কম স্থিতিশীল এবং তাই এটি সেরা সমাধান হিসাবে বিবেচিত হয় না (এটি ডক্সে স্পষ্টভাবে নিরুৎসাহিত করা হয়) তবে এটি সম্পর্কে জানার জন্য এটি দরকারী:

import pandas
df = pandas.read_csv("test.csv")
df['FirstName'][df.ID == 103] = "Matt"
df['LastName'][df.ID == 103] = "Jones"

Question 3

আপনি ব্যবহার করতে পারেন map, এটি কোনও স্বৈরশাসক বা এমনকি কোনও কাস্টম ফাংশন থেকে ভেলস মানচিত্র করতে পারে।

মনে করুন এটি আপনার ডিএফ:

    ID First_Name Last_Name
0  103          a         b
1  104          c         d

ডিক্টস তৈরি করুন:

fnames = {103: "Matt", 104: "Mr"}
lnames = {103: "Jones", 104: "X"}

এবং মানচিত্র:

df['First_Name'] = df['ID'].map(fnames)
df['Last_Name'] = df['ID'].map(lnames)

ফলাফলটি হবে:

    ID First_Name Last_Name
0  103       Matt     Jones
1  104         Mr         X

অথবা একটি কাস্টম ফাংশন ব্যবহার করুন:

names = {103: ("Matt", "Jones"), 104: ("Mr", "X")}
df['First_Name'] = df['ID'].map(lambda x: names[x][0])

Question 4

মূল প্রশ্নটি একটি নির্দিষ্ট সংকীর্ণ ব্যবহারের ক্ষেত্রে সম্বোধন করে। যাদের আরও জেনেরিক উত্তর প্রয়োজন তাদের জন্য এখানে কয়েকটি উদাহরণ রয়েছে:

অন্যান্য কলামগুলি থেকে ডেটা ব্যবহার করে একটি নতুন কলাম তৈরি করা হচ্ছে

নীচে ডেটাফ্রেম দেওয়া হয়েছে:

import pandas as pd
import numpy as np

df = pd.DataFrame([['dog', 'hound', 5],
                   ['cat', 'ragdoll', 1]],
                  columns=['animal', 'type', 'age'])

In[1]:
Out[1]:
  animal     type  age
----------------------
0    dog    hound    5
1    cat  ragdoll    1

নীচে আমরা ক্রিয়াকলাপটি সিরিজের জন্য ওভাররাইড করা descriptionব্যবহার করে অন্যান্য কলামগুলির সংলগ্ন হিসাবে একটি নতুন কলাম যুক্ত করছি +। অভিনব স্ট্রিং ফর্ম্যাটিং, এফ-স্ট্রিংস ইত্যাদি এখানে কাজ করবে না যেহেতু +স্কেলারের ক্ষেত্রে প্রযোজ্য এবং 'আদিম' মানগুলি নয়:

df['description'] = 'A ' + df.age.astype(str) + ' years old ' \
                    + df.type + ' ' + df.animal

In [2]: df
Out[2]:
  animal     type  age                description
-------------------------------------------------
0    dog    hound    5    A 5 years old hound dog
1    cat  ragdoll    1  A 1 years old ragdoll cat

আমরা 1 yearsবিড়ালের জন্য 1 yearপেয়েছি (পরিবর্তে ) যা আমরা নীচে শর্তযুক্ত ব্যবহার করে ঠিক করব।

শর্তসাপেক্ষে একটি বিদ্যমান কলাম পরিবর্তন করে

এখানে আমরা animalঅন্যান্য কলামের মানগুলির সাথে মূল কলামটি প্রতিস্থাপন করছি এবং np.whereএর মানের উপর ভিত্তি করে একটি শর্তাধীন সাবস্ট্রিং সেট করতে ব্যবহার করছি age:

# append 's' to 'age' if it's greater than 1
df.animal = df.animal + ", " + df.type + ", " + \
    df.age.astype(str) + " year" + np.where(df.age > 1, 's', '')

In [3]: df
Out[3]:
                 animal     type  age
-------------------------------------
0   dog, hound, 5 years    hound    5
1  cat, ragdoll, 1 year  ragdoll    1

শর্তসাপেক্ষে একাধিক কলাম পরিবর্তন করা

একটি আরও .apply()কমনীয় পদ্ধতির একটি একক কলামের চেয়ে পুরো ডেটাফ্রেমে কল করা:

def transform_row(r):
    r.animal = 'wild ' + r.type
    r.type = r.animal + ' creature'
    r.age = "{} year{}".format(r.age, r.age > 1 and 's' or '')
    return r

df.apply(transform_row, axis=1)

In[4]:
Out[4]:
         animal            type      age
----------------------------------------
0    wild hound    dog creature  5 years
1  wild ragdoll    cat creature   1 year

উপরের কোডে transform_row(r)ফাংশন Seriesএকটি প্রদত্ত সারির প্রতিনিধিত্ব করে এমন একটি বস্তু গ্রহণ করে ( axis=1এটি দ্বারা নির্দেশিত , এর ডিফল্ট মান প্রতিটি কলামের জন্য axis=0একটি Seriesবস্তু সরবরাহ করবে )। এটি প্রক্রিয়াটিকে সহজতর করে যেহেতু আমরা কলামের নামগুলি ব্যবহার করে সারিতে প্রকৃত 'আদিম' মানগুলি অ্যাক্সেস করতে পারি এবং প্রদত্ত সারি / কলামে অন্যান্য কক্ষগুলির দৃশ্যমানতা অর্জন করতে পারি।

Question 5

এই প্রশ্নটি এখনও প্রায়শই পরিদর্শন করা যেতে পারে যে মিঃ ক্যাসিজের উত্তরে একটি সংশোধন প্রস্তাব দেওয়া উচিত। dictবিল্ট-ইন বর্গ উপ-দলেই যাতে একটি ডিফল্ট নিখোঁজ কী জন্য ফিরিয়ে দেওয়া হয় হতে পারে। এই প্রক্রিয়াটি পান্ডাদের জন্য ভাল কাজ করে। তবে নীচে দেখুন।

এইভাবে কী ত্রুটিগুলি এড়ানো সম্ভব।

>>> import pandas as pd
>>> data = { 'ID': [ 101, 201, 301, 401 ] }
>>> df = pd.DataFrame(data)
>>> class SurnameMap(dict):
...     def __missing__(self, key):
...         return ''
...     
>>> surnamemap = SurnameMap()
>>> surnamemap[101] = 'Mohanty'
>>> surnamemap[301] = 'Drake'
>>> df['Surname'] = df['ID'].apply(lambda x: surnamemap[x])
>>> df
    ID  Surname
0  101  Mohanty
1  201         
2  301    Drake
3  401

একই জিনিস নিম্নলিখিত পদ্ধতিতে আরও সহজভাবে করা যেতে পারে। getডিক অবজেক্টের পদ্ধতির জন্য 'ডিফল্ট' আর্গুমেন্টের ব্যবহার ডিককে সাবক্লাস করা অপ্রয়োজনীয় করে তোলে।

>>> import pandas as pd
>>> data = { 'ID': [ 101, 201, 301, 401 ] }
>>> df = pd.DataFrame(data)
>>> surnamemap = {}
>>> surnamemap[101] = 'Mohanty'
>>> surnamemap[301] = 'Drake'
>>> df['Surname'] = df['ID'].apply(lambda x: surnamemap.get(x, ''))
>>> df
    ID  Surname
0  101  Mohanty
1  201         
2  301    Drake
3  401