U svijetu analize podataka, upotreba proračunskih tablica je uobičajena, posebno kada se radi sa strukturiranim podacima u kolonskom formatu. Jedna od popularnih biblioteka za rad sa tabelarnim podacima u Pythonu je Pandas. Ova moćna biblioteka omogućava programerima da s lakoćom čitaju, manipulišu i izvoze tabelarne podatke. U ovom članku ćemo se fokusirati na specifičan problem: ažuriranje ćelija u listu prema nazivu stupca pomoću Pandas-a. Uronit ćemo u rješenje, nakon čega slijedi objašnjenje koda korak po korak, a na kraju ćemo razgovarati o povezanim konceptima i funkcionalnostima u Pandasu, kao što je rad s indeksima i odabir podataka. Dakle, počnimo.
Ažuriranje ćelija prema nazivu kolone pomoću Pandas
Da ažuriramo ćelije u listu prema nazivu stupca, prvo moramo instalirati Pandas biblioteku ako već nije instalirana pomoću sljedeće naredbe:
!pip install pandas
Sa instaliranim Pandas, hajde da opišemo korake za ažuriranje ćelija u listu prema nazivu kolone:
1. Učitajte list u objekt DataFrame.
2. Pristupite ćelijama koje želimo ažurirati.
3. Izmijenite željene ćelije dodjeljivanjem novih vrijednosti.
4. Sačuvajte DataFrame objekat nazad na listu.
Evo isječka koda koji demonstrira rješenje s jednostavnim primjerom:
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)
Razumijevanje Kodeksa
Prvi korak je uvoz Pandas biblioteke pod pseudonimom `pd`. Zatim moramo učitati podatke iz CSV datoteke u objekt DataFrame koristeći funkciju `pd.read_csv()`, navodeći naziv ulazne datoteke ('your_spreadsheet.csv').
Sada dolazi glavni dio problema: pristup i ažuriranje željenih ćelija. U ovom primjeru želimo ažurirati stupac 'Starost' dodavanjem 1 svakoj vrijednosti u koloni. To radimo jednostavnim dodavanjem 1 u kolonu 'Age', kojoj se pristupa pomoću sintakse `df['Age']`. Ovaj kod će izvršiti elementarno dodavanje 1 svakoj stavci u koloni 'Starost'.
Konačno, ažurirani DataFrame spremamo nazad u CSV datoteku koristeći funkciju `df.to_csv()` s nazivom izlazne datoteke ('your_updated_spreadsheet.csv'). Parametar `index=False` se koristi da bi se izbjeglo pisanje brojeva redova u izlaznu datoteku.
Pandas indeksi i odabir podataka
Pandas se u velikoj mjeri oslanja na koncept indeksa za odabir i manipulaciju podacima. Po defaultu, prilikom učitavanja podataka iz datoteke, Pandas dodjeljuje a numerički indeks na svaki red DataFrame-a, počevši od 0. Kada radite s podacima u Pandas-u, bitno je razumjeti različite načine odabir i filtriranje podataka na osnovu vrijednosti indeksa ili imena kolona.
Na primjer, da odaberete određeni red ili redove, možete koristiti `iloc` indekser, koji vam omogućava pristup redovima na osnovu njihovog cjelobrojnog indeksa:
# 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]
Kada trebate ažurirati ćelije na osnovu određenog uvjeta, kao što je ažuriranje stupca 'Starost' samo za one redove u kojima druga kolona (npr. 'Grad') ima određenu vrijednost, možete koristiti logičko indeksiranje:
# 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
U ovom primjeru, `loc` indekser se koristi za odabir redova na osnovu booleovog uvjeta, a zatim se stupac 'Age' ažurira.
Imajte na umu da je ovo samo vrh ledenog brega kada je u pitanju rad s podacima u Pandas. Biblioteka pruža mnoštvo funkcija i tehnika za efikasnu manipulaciju, analizu i vizualizaciju vaših podataka. Razumijevanje osnova, kao što je ažuriranje ćelija u listu po imenu kolone, postavlja jaku osnovu za rad sa složenijim strukturama podataka i zadacima analize u budućnosti.
