Własne modyfikacje
Lekcja 13 z 19 w kursie Analiza danych z pandas w Coddy.
Aby wprowadzić własną modyfikację, użyj metody .apply i przekaż jej lambda lub function. Na przykład, aby obliczyć kwadrat każdej liczby w kolumnie:
df['num_squared'] = df['num'].apply(lambda x: x**2)Można to również osiągnąć, mnożąc kolumnę przez samą siebie:
df['num_squared'] = df['num'] * df['num']Aby dodać 2 do wartości w każdym wierszu:
df["add_two"] = df['num'].apply(lambda x: x+2)
df["add_two"] = df['num'] + 2Aby zastąpić każdą wartość w serii inną wartością, użyj metody .map i przekaż jej funkcję, słownik lub serię.
Na przykład, jeśli chcemy zastąpić nazwy owoców wartościami liczbowymi:
fruits_to_num = {"apple": 1, "mango": 2, "grape": 3}
df["fruits"] = df["fruits"].map(fruits_to_num)Zarówno .map, jak i .apply mogą przyjmować funkcje:
df['num_squared'] = df['num'].apply(lambda x: x**2)
df['num_squared'] = df['num'].map(lambda x: x**2)Aby dowiedzieć się więcej o różnicy między nimi, możesz przeczytać tutaj.
Wyzwanie
ŁatwyPlik CSV stats.csv zawiera informacje o statystykach.
Oto pierwsze 5 wierszy pliku:
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- Zastąp wartości
CATEGORYnastępującymi wartościami:{"SHOW": 0, "TREE": 1, "JAPE": 2, "GHUP": 3, "PLQR": 4}. - Utwórz nową kolumnę o nazwie
SKILL_MASTERY. Wypełnij ją, stosując następujący wzór: pomnóż wartości w kolumnachSKILL_POINTSiUTILIZATION. Jeśli wynik jest większy niż5, podziel go przez 4; w przeciwnym razie podziel go przez2. Na koniec dodaj do wyniku wartość z kolumnyIS_VALID. - posortuj wynik rosnąco według
SKILL_MASTERY.
Zapisz wynik w zmiennej df.
Spróbuj swoich sił
# pandas jako pd jest już zaimportowany
df = pd.read_csv("./stats.csv")
# Napisz swój kod poniżej
Wszystkie lekcje w sekcji Analiza danych z pandas
4Analiza danych z Pandas
Statystyki opisoweGrupowanie i agregowanie danychRóżne sposoby agregacjiŁączenie i konkatenacja3Manipulowanie danymi za pomocą Pandas
Zwracanie żądanego wynikuFiltrowanie danychDodawanie i usuwanieModyfikowanie danychModyfikowanie ciągów znakówWłasne modyfikacjePoćwicz samodzielnie: Kompilator Python online