Copie de pandas
Les structures de données les plus considérables de la bibliothèque Pandas sont les dataframes et les séries. En interne, ces structures de données sont définies par des réseaux d'index qui étiquettent les données et les réseaux de données qui stockent les données d'origine. Nous pouvons le faire en utilisant les pandas «DataFrame.Copy () ”Méthode.
Méthode de copie Pandas
La méthode de copie est utilisée pour copier le dataframe spécifié. Un dataframe peut être copié de deux manières: «copie profonde» et «copie superficielle». La fonction «Copie en profondeur» construit un dataframe contenant une copie du contenu et des index de DataFrame spécifiés. La méthode «Copie superficielle» génère un nouveau dataframe sans copier le contenu ou les indices de l'objet de l'appelant - seuls les pointeurs vers le contenu et l'index sont copiés.
La syntaxe de la méthode de copie est la suivante:
«Deep» est un argument booléen qui détermine si une copie profonde ou superficielle doit être faite. «Copie profonde» est le paramètre par défaut de la méthode. Définissez la valeur «profonde» du paramètre sur «false» pour permettre une copie superficielle.
Regardons la démonstration pratique de cette méthode.
Exemple: Utilisation de Pandas DataFrame.Méthode Copy ()
Pour la mise en œuvre, nous avons utilisé l'outil «Spyder». Ouvrez un nouveau fichier Python dans l'outil "Spyder". L'exigence la plus importante au début de l'écriture du script est d'importer des bibliothèques pertinentes. Comme nous devons implémenter une méthode «pandas», nous utilisons donc «Importer des pandas comme PD» pour accéder aux fonctionnalités des «pandas». Ensuite, nous commençons notre code python principal.
Nous avons créé un dataframe en utilisant le «PD.Méthode DataFrame () ». Le dataframe est initialisé par deux colonnes «nom» et «l'âge». Les deux colonnes de DataFrame stockent la même longueur de valeurs. La première colonne «Nom» a cinq valeurs de cordes qui sont «Charlie», «Bush», «Harry», «Robert» et «Albert». La deuxième colonne «Age» stocke également cinq valeurs ayant un type de données int qui sont «25», «33», «18», «29» et «20». Nous avons créé une «démo» variable pour stocker le nouveau Dataframe.
Maintenant, nous pouvons accéder à notre DataFrame en utilisant cette variable «démo». Nous utilisons la méthode «print ()» pour afficher le texte «réel dataframe». Ensuite, appelez une autre méthode «print ()» pour afficher le dataframe.
Appuyez sur le bouton «Exécuter le fichier» de l'outil «Spyder» pour voir la sortie sur le terminal. L'écran résultant nous montre un NEAT Dataframe nouvellement créé avec 2 colonnes et une rubrique au-dessus.
Après avoir accompli cela, nous commencerons notre tâche majeure dans le code Python. Pour cela, nous utilisons le Pandas «DataFrame.Copy () ”Méthode. Nous invoquons le «.Copy () ”Méthode avec le nom de notre« démo »de données de données. Comme nous voulons créer une «copie profonde» du DataFrame, nous utilisons donc la fonction avec sa valeur par défaut qui est «Deep = True». Une variable «Demo_dcopy» est créée pour stocker la sortie de l'appel «.Copy () ”Méthode. Nous pouvons désormais accéder à cette «copie profonde» de la variable DataFrame réelle par la variable «Demo_dcopy». Nous employons la fonction «print ()» pour afficher un texte «Copie profonde de DataFrame réelle:» et pour montrer le contenu de la variable «Demo_dcopy».
Si nous exécutons le code ci-dessus, deux dataframes sont affichés sur la console. Le premier est le dataframe réel tandis que l'autre est la «copie profonde» de la dataframe réelle. Nous pouvons voir que tous les contenus et index de la dataframe réel sont copiés dans la «copie profonde» de l'informatique.
Maintenant, vérifions ce qui se passe dans la «copie profonde» si nous avons apporté des modifications dans le dataframe réel. Pour apporter des modifications, nous utilisons la propriété «ILOC», qui est utilisée pour localiser l'index spécifié. Écrivez le nom de la «démo» réelle de la «démo» avec le «.ILOC ”et spécifiez l'emplacement d'index« [0, 1] = 3 »qui localisera la première valeur de la colonne« Age »dans le DataFrame réel et le modifiera en« 3 ». Nous invoquons à nouveau la méthode «print ()» pour afficher la «démo» réelle de la «démo» avec des modifications et la «copie profonde» de la réelle «Demo_dcopy» pour voir si les modifications se reflètent ou non.
La sortie sur le terminal nous montre deux dataframes après avoir modifié une valeur dans le dataframe réel. Vous pouvez observer que la colonne réelle de la colonne de dataframe «Âge» a changé sa première valeur de «25» à «3». Tandis que la «copie profonde» de la réelle de données avec la modification ne reflète aucune modification, ce qui signifie que les modifications apportées dans le cadre de données réelles ne modifient pas la «copie profonde» de cette dataframe.
Maintenant, nous examinerons ce qui se passe si nous construisons une «copie superficielle» de la dataframe initiale.
Pour cette illustration, nous utilisons le dataframe créé ci-dessus. Nous devons maintenant faire une copie superficielle du DataFrame réel après l'avoir imprimée. Nous utilisons les pandas «DataFrame.Copy () ”Méthode à nouveau de la même manière que nous l'avons utilisée dans l'exemple« Copie profonde »ci-dessus avec une exception. Ici, nous modifions la valeur de la propriété «profonde» en «False» pour créer une «copie superficielle» du réel DataFrame. Alors, nous allons l'écrire «démo.copier (deep = false) " . Nous avons créé une variable «Demo_scopy» pour stocker le résultat de l'appel «.Copy () ”Méthode qui sera une« copie superficielle »de la réelle DataFrame. Ensuite, nous avons utilisé la méthode «print ()» pour afficher le texte «Copie superficielle de DataFrame réelle:» et pour montrer le contenu stocké dans la variable «Demo_scopy».
La sortie montre 2 dataframes. Le premier est le dataframe réel tandis que l'autre est sa «copie superficielle». Nous pouvons voir que tout de la réelle Dataframe est copié dans la «copie superficielle» de l'informatique.
Nous explorons maintenant ce qui arriverait à la «copie superficielle» si nous effectuons des modifications dans le dataframe réel. Pour cela, nous utilisons le «DataFrame.propriété iloc ”. Ici, nous voulons que la propriété «ILOC» accéde à l'indice «3» de la colonne «Age» dans la réelle DataFrame et la modifie en «-5». Ensuite, la fonction «print ()» est invoquée pour afficher le texte «DataFrame réel après modification:» et également pour afficher le fragmentation des données réelle «démo». Encore une fois, la méthode «print ()» est appelée pour afficher le texte «Copie peu profonde de DataFrame après modification:» et le contenu de la variable «Demo_Scopy».
La sortie montre le dataframe réel avec une valeur modifiée «-5» où le numéro d'index était «3». Une fois que nous avons effectué les modifications de la «démo» réelle de la «démo», nous affichons sa «copie superficielle» qui affiche les mêmes modifications que nous avons apportées dans le DataFrame réel. Cela signifie que toutes les modifications apportées dans la dataframe réelles seront également reflétées dans sa «copie peu profonde».
Conclusion
Ce tutoriel est un guide pour que vous compreniez le concept et l'idée de faire une copie d'un dataframe. Nous vous avons présenté les Pandas «DataFrame.Copy () ”Méthode. Nous vous avons également expliqué les deux approches différentes pour copier un dataframe: copie profonde et copie superficielle.