Modyfikowanie danych

Lekcja 11 z 19 w kursie Analiza danych z pandas w Coddy.

Aby nadpisać dane w określonej komórce, kolumnie lub wierszu, możesz przypisać do nich nową wartość:

df["existing_col"] = new_value            # Zmodyfikuj kolumnę
df.loc[index] = new_value                 # Zmodyfikuj wiersz
df.loc[index, "existing_col"] = new_value # zmodyfikuj komórkę

Aby zaktualizować wartość kolumny w wierszach spełniających określony warunek, użyj tego samego warunku, którego nauczyliśmy się na poprzednich lekcjach, wraz z metodą .loc:

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

Podczas modyfikowania istniejących wierszy ważne jest używanie słowa kluczowego loc. Często podczas modyfikowania ramki danych bez użycia loc pracujesz na kopii , a nie na oryginalnych danych. Na przykład:
df[(df['col'] <= 5) & (df['col'] > 2)]["existing_col"] = new_value
W tym przypadku warunek zwraca kopię ramki danych zamiast oryginalnych danych.

Wyzwanie

Łatwy

Plik 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

Zmodyfikuj wszystkie komórki (z wyjątkiem komórek w kolumnach IS_VALID i UTILIZATION), w których IS_VALID jest równe 1, a UTILIZATION jest mniejsze niż 0.4, na wartość MODIFIED.

Zapisz wynik w zmiennej df.

Spróbuj swoich sił

# pandas jako pd jest już zaimportowany
df = pd.read_csv("./stats.csv")
for column in df.columns:
    if column not in ["IS_VALID", "UTILIZATION"]:
        df[column] = df[column].astype(object)
# Napisz swój kod poniżej

Wszystkie lekcje w sekcji Analiza danych z pandas

1Wprowadzenie

Dlaczego warto używać Pandas?Struktury danych w Pandas Wczytywanie danych do DataFrame

4Analiza danych z Pandas

Statystyki opisowe Grupowanie i agregowanie danych Różne sposoby agregacji Łączenie i konkatenacja

2Praca z DataFrame

Poznawanie DataFrame Dostęp do danych Czyszczenie danych — brakujące dane Czyszczenie danych — dodatkowe narzędzia

5Wyzwania

Poszukiwacz odpowiedzi Samochód do kupienia

3Manipulowanie danymi za pomocą Pandas

Zwracanie żądanego wyniku Filtrowanie danych Dodawanie i usuwanieModyfikowanie danychModyfikowanie ciągów znaków Własne modyfikacje

Poćwicz samodzielnie: Kompilator Python online