Modifier les données
Leçon 11 sur 19 du cours Analyse de données avec Pandas de Coddy.
Pour écraser les données d'une cellule, d'une colonne ou d'une ligne spécifique, vous pouvez lui assigner une nouvelle valeur :
df["existing_col"] = new_value # Modifier la colonne
df.loc[index] = new_value # Modifier la ligne
df.loc[index, "existing_col"] = new_value # modifier la cellulePour mettre à jour la valeur de la colonne des lignes qui remplissent une condition spécifique, utilisez la même condition que celle apprise dans les leçons précédentes avec la méthode .loc :
df.loc[df['col'] > 5, 'existing_col'] = new_value
df.loc[(df['col'] <= 5) & (df['col'] > 2), 'existing_col'] = new_value
Il est important d'utiliser le mot-clé
loclors de la modification de lignes existantes. Fréquemment, lors de la modification d'un dataframe sansloc, vous manipulez une copie plutôt que les données originales. Par exemple :df[(df['col'] <= 5) & (df['col'] > 2)]["existing_col"] = new_valueIci, la condition renvoie une copie du dataframe au lieu des données originales.
Défi
FacileLe fichier CSV stats.csv contient des informations sur des statistiques.
Voici les 5 premières lignes du fichier :
ID,COUNTRY,COLOR,SKILL,SKILL_POINTS,UTILIZATION,IS_VALID,CATEGORY
1,France,Signal violet,marksmanship,14,0.1924,1,SHOW
2,Solomon Islands,Pearl violet,crocheting,4,0.6108,1,TREE
3,Germany,Bottle green,calligraphy,12,0.88646,0,SHOW
4,Mauritania,Fawn brown,paper cutting,9,0.058,1,JAPE- Modifiez toutes les cellules (sauf les cellules des colonnes
IS_VALIDetUTILIZATION), oùIS_VALIDest égal à1etUTILIZATIONest inférieur à0.4, par la valeurMODIFIED.
Stockez le résultat dans la variable df.
Essayez vous-même
# pandas as pd est déjà importé
df = pd.read_csv("./stats.csv")
for column in df.columns:
if column not in ["IS_VALID", "UTILIZATION"]:
df[column] = df[column].astype(object)
# Écrivez votre code ci-dessous
Toutes les leçons de Analyse de données avec Pandas
1Introduction
Pourquoi utiliser Pandas ?Structures de données dans PandasChargement de données dans un DataFrame4Analyse de données avec Pandas
Statistiques descriptivesGroupement et agrégation de donnéesDifférentes agrégationsFusion et concaténation3Manipulation de données avec Pandas
Retourner le résultat demandéFiltrer les donnéesAjouter et supprimerModifier les donnéesModifier les chaînes de caractèresModifications personnalisées