Pandy Reindex

„W„ Pandy ”możemy przechowywać wiele informacji w formie tabelarycznej, która jest również znana jako DataFrame. „Pandy” ułatwia nam metodę „dataFrame ()” do konstruowania danych danych. Rama danych zawiera indeksy i możemy również zmienić indeksy ramki danych, wykorzystując funkcje „pandy”. Metodą, którą wykorzystujemy do ponownego indeksowania ramki danych, jest metoda „reindex ()”. Ta metoda pomaga zmienić wartości indeksu wiersza, a także wartości indeksu kolumn. Korzystając z tej metody, możemy zmienić domyślny indeks danych, a także możemy zmienić indeks ustawiony podczas tworzenia DataFrame. W naszym samouczku użyjemy metody „reindex ()” w naszych przykładach „pandy” i wyjaśnimy tutaj tę koncepcję szczegółowo."

Przykład nr 01

Narzędzie „Spyder” pomaga nam w opracowaniu kodu „Pandy” tutaj w tym samouczku i rozpoczynamy kod od słowa kluczowego „Import”, które pomoże w importowaniu funkcji „pandy”. Po wpisaniu „importu” umieszczamy „Pandy jako PD”. Następnie tworzymy ramkę danych, wpisując „PD.Ramka danych()". Piszemy ten „PD” tutaj, ponieważ „dataFrame ()” jest metodą „pand”. „Value_df” to nazwa zmiennej, w której zapisywana jest oprawa danych. Dodajemy „RandomName”, która jest nazwą kolumny, a „losowa nazwa” zawiera „Thomas, Oscar, Lilly, Rowan, John, Bromley, Peter, Alexander i Samuel”.

Następnie mamy „wartość_1”, w którym wstawiliśmy „16, 29, 24, 35, 44, 50, 69, 74 i 88”. Potem pojawia się „wartość_2” i dodaliśmy „25, 38, 42, 56, 54, 65, 78, 89 i 99”. Teraz pojawia się „wartość_3” i umieszczamy w nim „36, 48, 52, 69, 74, 75, 87, 91 i 69”. Po tym kolumna „wartość_4” jest obecna, gdzie wstawiliśmy „52, 64, 72, 88, 82, 95, 97, 21 i 39”. Ostatnia kolumna to kolumna „Value_5” tutaj, aw tej kolumnie dodane wartości to „66, 78, 82, 99, 34, 45, 57, 61 i 89”. Następnie używamy funkcji „print ()”, w której dodaje się „wartości_df”. Będzie drukował na terminalu.

Po naciśnięciu „Shift+Enter” możemy łatwo uzyskać wynik naszych kodów w aplikacji „Spyder”. Tutaj ten kod zwraca ramkę danych z domyślnym indeksem. Teraz zastosujemy metodę „reindex ()” do ponownego indeksywania tej formy danych w „Pandy”.

Funkcja „reindex ()” jest tutaj używana do ponownego indeksywacji wartości indeksu wiersza. W powyższej strumieniu danych widać, że wyświetlane są domyślne wartości indeksu wiersza, a teraz stosujemy metodę „reindex ()” do reindykowania tych indeksów wierszy. Umieszczamy nazwę DataFrame, a następnie metodę „reindex ()”, w której umieszczamy te wartości indeksu, które chcemy dodać do powyższego dataframe. Umieściliśmy „Ind_A, Ind_B, Ind_C, Ind_D, Ind_E, Ind_F, Ind_G, Ind_H i Ind_I” w funkcji „reindex ()”. Tak więc indeksy tych wierszy zostaną zaktualizowane w ramce danych po wykonaniu tego kodu.

Wartości indeksu wiersza są wyświetlane w tym wyniku i możesz zauważyć, że wartościFrame Data Tur. Wynika to z faktu, że nowe wartości indeksu nie pasują do poprzednich wartości indeksu DataFrame. Kiedy nowy indeks i stary indeks się nie pasują, wyświetla tam „Nan”. Te wartości „NAN” pojawiają się domyślnie, gdy zmieniamy indeks i nie pasujemy do poprzedniego indeksu.

Przykład nr 02

Zmieniamy teraz wartości indeksu kolumny „wartość_df”, którą wcześniej utworzyliśmy w przykładzie 1. Po wydrukowaniu „value_df” umieszczamy zmienną „kolumnę” i dodaliśmy do niej niektóre wartości. Dodajemy „A_1, B_1, C_1, D_1 i E_1”. Teraz chcemy dostosować te wartości jako indeks kolumn, więc do tego używamy metody „reindex ()” i umieszczamy nazwę zmiennej „kolumna”, w której przechowywane są nowe wartości indeksu kolumny i są przechowywane Ustaw także „oś” na „kolumny”, więc zaktualizuje indeks osi kolumny. Umieściliśmy metodę „reindex ()” w „print ()”, więc będzie ona również renderować na terminalu.

Ponieważ zastosowaliśmy metodę „reindex ()”, wartości indeksu kolumny, które są obecne w pierwszej ramce danych, są aktualizowane, a nowe wartości są dodawane w zaktualizowanej ramce danych. Możesz także zauważyć, że wszystkie wartości kompletu danych są konwertowane na „NAN”, ponieważ obie wartości indeksu kolumn są różne.

Przykład nr 03

„Programming_data” w tym kodzie zawiera „P_Languages”, w którym dodaliśmy „JavaScript, CSS, inżynieria internetowa, OOP, C#, AI, Java i JavaScript”. Następnie mamy „godziny”, w których umieszczamy „4_hrs, 2_hrs, 3_hrs, 7_hrs, 6_hrs, 5_hrs, 8_hrs i 6_hrs”. Następnie wprowadzono „p_code”, a my wstawiamy „11523, 12423, 12321, 11456, 11454, 12267, 13106 i 14123”. Dodajemy zmienną „p_index” i umieszczamy „pro_a, pro_b, pro_c, pro_d, pro_e, pro_f, pro_g i pro_h”.

Wartości te będą używane jako wartości indeksu wierszy. Zmieniamy „Programming_Data” w „Programming_df”. Dodajemy również „P_INDEX” do tej formy danych za pomocą metody „indeks”. Umieszczamy „Programming_df”, a następnie metodę „indeks” i przypisujemy do tego „p_index”. Teraz powyższe wartości indeksu są dodawane jako wartości indeksu wiersza do DataFrame. Drukujemy również „Programming_df”.

Następnie dodajemy niektóre nowe wartości indeksu w zmiennej „NEW_INDEX”, a są to „P_1, P_2, P_3, P_4, P_5, P_6, P_7 i P_8”. Ponieważ chcemy zaktualizować wartości indeksu wierszy, używamy metody „reindex ()” i umieszczamy „new_Index” jako parametr tej funkcji, a także przechowywać zaktualizowaną ramkę danych w „newPrograming_df” i umieszczamy „newProgramming_df” w „ print () ”do wyświetlania.

Wartości indeksu są aktualizowane i możemy również powiedzieć, że ponownie indeksowaliśmy ramkę danych, którą utworzyliśmy. Wszystkie wartości ramki danych są również konwertowane na „nan”, ponieważ obie wartości indeksu są różne.

Przykład nr 04

Obecnie zmieniamy wartości indeksu „Programming_df” kolumn, które wcześniej opracowaliśmy w przykładzie 3. Umieszczamy zmienną „kolumnę” i wkładamy do niej nowe wartości. „P_Code, P_Languages, godziny i nowe” są dodawane do zmiennej „kolumny”. Następnie ponownie używamy metody „reindex ()”, w której ustawiamy zmienną „kolumnę”, która zaktualizuje poprzednie wartości indeksu kolumny i doda te nowe wartości indeksu kolumny do danych danych.

Tutaj możesz zauważyć, że nowe wartości, które dodaliśmy w „kolumnie”, są takie same, jak dodaliśmy w powyższej ramce danych, ale sekwencja jest inna, więc zmieni sekwencję kolumn i dostosuje wszystkie kolumny tak jak my wspomniane w zmiennej „kolumny”. Ponadto dodajemy jeszcze jedną wartość indeksu, która nie jest obecna w powyższej strumieniu danych, która jest tutaj „nowa”, więc wartości „NAN” pojawią się w tej kolumnie.

Sekwencja kolumn jest tutaj zmieniana, a wszystkie wartości pojawiają się tak, jak są obecne w kolumnach oryginalnej ramki danych, a kolumna „nowa” w zaktualizowanej ramce danych zawiera wszystkie wartości „nan”, ponieważ ta kolumna nie jest obecna w oryginalnej ramce danych.

Wniosek

Przedstawiliśmy ten samouczek, który pomaga nam w szczegółowym zrozumieniu pojęcia „pandas reindex”. Omówiliśmy, w jaki sposób możemy ponownie zindyować kolumnęFrame DataFrame, a także wartości indeksu wiersza. Wyjaśniliśmy, że do robienia tego jest wykorzystywana do tego funkcja „reindex ()”. Zrobiliśmy różne przykłady, w których zmieniliśmy wartości indeksu wierszy DataFrame, a także wartości indeksu indeksu kolumny w ramce danych. Renderowaliśmy wyniki wszystkich kodów, które zrobiliśmy tutaj w tym samouczku, a także wyjaśniliśmy je dogłębnie.