Menu
Coddy logo textTech

Modificare i dati

Lezione 11 di 19 del corso Analisi dei dati con Pandas di Coddy.

Per sovrascrivere i dati di una cella, colonna o riga specifica, puoi assegnarle un nuovo valore:

df["existing_col"] = new_value            # Modifica la colonna
df.loc[index] = new_value                 # Modifica la riga
df.loc[index, "existing_col"] = new_value # modifica la cella

Per aggiornare il valore della colonna nelle righe che soddisfano una condizione specifica, usa la stessa condizione che abbiamo imparato nelle lezioni precedenti con il metodo .loc:

df.loc[df['col'] > 5, 'existing_col'] = new_value
 
df.loc[(df['col'] <= 5) & (df['col'] > 2), 'existing_col'] = new_value

È importante usare la parola chiave loc quando modifichi righe esistenti. Spesso, quando modifichi un dataframe senza loc, stai lavorando su una copia anziché sui dati originali . Per esempio:

df[(df['col'] <= 5) & (df['col'] > 2)]["existing_col"] = new_value

In questo caso, la condizione restituisce una copia del dataframe invece dei dati originali.

challenge icon

Sfida

Facile

Il file CSV stats.csv contiene informazioni sulle statistiche.

Ecco le prime 5 righe del file:

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
  • Modifica tutte le celle (tranne quelle nelle colonne IS_VALID e UTILIZATION) in cui IS_VALID è uguale a 1 e UTILIZATION è minore di 0.4, impostandone il valore su MODIFIED.

Memorizza il risultato nella variabile df.

Provalo tu

# pandas as pd è già stato importato
df = pd.read_csv("./stats.csv")
for column in df.columns:
    if column not in ["IS_VALID", "UTILIZATION"]:
        df[column] = df[column].astype(object)
# Scrivi il tuo codice qui sotto

Tutte le lezioni di Analisi dei dati con Pandas

Esercitati da solo: Compilatore Python online