Pandas dataframe remplacer

«Pour effectuer une analyse des données, Python est une langue fantastique. Un tel outil de Python est «Pandas», qui est utilisé pour importer et analyser les données. Dans «Pandas», nous pouvons créer des listes, des séries, des dataframes, etc., Et lorsque nous voulons remplacer un élément, un numéro ou une liste, nous utilisons la méthode «Remplacer ()» que «pandas» fournissent. Une liste, un dictionnaire, une série, un numéro, etc. Peut tous être remplacés à partir d'une fonction de données à l'aide de la fonction «Remplace ()». En raison de ses nombreuses modifications, cette fonction est extrêmement riche. Il est très facile d'utiliser la fonction «Remplacer ()» dans «Pandas» pour remplacer les valeurs. La méthode «Remplace ()» nous permet de remplacer toute valeur ou plusieurs valeurs dans le dataframe. Nous allons remplacer les valeurs du dataframe dans ce guide et vous expliquerons comment remplacer les valeurs du dataframe à l'aide de la méthode "Remplace ()" et comment cette méthode "Remplace ()" fonctionnera dans "Pandas."

Syntaxe
Voici la syntaxe de cette fonction «Remplace ()» dans «Pandas."

Trame de données.remplacer (to_replace = aucun, valeur = aucun)

Nous utiliserons cette méthode «Remplacer ()» dans notre code «Pandas» ci-dessous. Maintenant, regardez l'exemple que nous allons présenter dans ce guide, et vous découvrirez facilement cette méthode «Remplacer ()» de ce guide.

Exemple # 01
Nous développons ici le code «pandas» dans l'outil «Spyder» pour utiliser la méthode «Remplace ()» de notre code. Nous importons «pandas comme pd» comme étape initiale du code. Il est nécessaire d'importer la fonction «pandas» afin que nous accéderons à la fonction des «pandas» dans notre code si nécessaire. Le dataframe est ensuite développé, composé de quatre colonnes. Le «my_dataframe» est le nom du dataframe que nous avons développé ici.

La colonne que nous avons entrée en premier est la colonne «Person_name» avec quelques noms qui sont «Loe, Samuel, Neesham, Leo et Alexander». La colonne à côté de ce «Person_name» est «Person_city», dans laquelle nous insérons les noms des villes, et ces noms sont «Bavaria, Montréal, Birmingham, Gênes et Bristol». Les villes sont entrées dans cette chronique, vient maintenant la colonne de «langue maternelle», où nous avons ajouté «allemand, français, anglais, italien et anglais». Après cela, nous avons également créé la colonne «Person_age», qui contient l'âge de toutes ces personnes que nous avons insérées dans ce DataFrame. Les âges que nous avons ici sont «47, 30, 28, 29 et 35».

Nous rendons ces données de données après avoir mis les valeurs dans les quatre colonnes. Le dataframe est rendu lorsque nous les mettons dans la méthode «print ()», comme indiqué ci-dessous. Nous venons de créer le DataFrame ici et n'avons pas encore remplacé de valeur. Après avoir montré ce DataFrame, nous remplacerons les valeurs de ce DataFrame en utilisant la méthode «Remplace ()».

Lorsque vous souhaitez exécuter le code dans le «Spyder», vous appuyez simplement sur «Shift + Entrée» et le résultat sera rendu sur le terminal. La sortie de ce code est affichée ici, qui est le dataframe contenant quatre colonnes que nous avons ajoutées au code. Après cela, nous utiliserons la méthode «Remplace ()» pour remplacer les valeurs de ce DataFrame ci-dessous.

Nous mettons «my_dataframe» avec la méthode «Remplace ()» car c'est le nom du dataframe que nous avons créé. Nous remplaçons le nom «Leo» par le «William."Donc, il remplacera" Leo "par" William."Nous stockons la datafarme mise à jour dans la variable" new_datafarme ", puis passons cette méthode" new_datafarme "dans la méthode" print () ".

En regardant la première colonne, le nom «Leo» a été placé dans la ligne d'indexe zéro et la ligne d'index 3, mais dans le dataframe mis à jour donné, «William» est apparu à la place de «Leo.”La ligne d'index 0 et 3 de la première colonne est remplacée et mise à jour ici.

Exemple # 02
Maintenant, nous passons à un autre exemple ici en créant une liste «consultation_data» après l'importation de la fonction «pandas». Cette liste contient des colonnes «DR_NAME, PATIENT_NAME, NOMMATION_DATE et TIMING». Notre première colonne, «DR_NAME», contient les noms des médecins «Dr. Alice, Dr. Oscar, Dr. Milli, Dr. Alexandre, Dr. Bromley, Dr. Alice, Dr. Lily et Dr. Alice."La colonne" Patient_name "est située à côté de celle-ci et contient les noms des patients, qui sont" Emma, ​​William, Jessica, Robert, Leo, Smith, Samuel et Peter ". Après l'entrée des noms des patients, nous avons ajouté «5/8/2022, 5/8/2022, 5/8/2022, 6/8/2022, 6/8/2022, 7/8/2022 et 7 / 8/2022 ”à la colonne« nomination_date ». La colonne «timing», qui contient le calendrier de tous les rendez-vous des patients que nous avons ajoutés à cette dataframe, a ensuite été généré. Notre gamme de synchronisation est «17 h, 18 h, 19 h, 17 h, 18 h, 19 h, 17 h et 18 h».

Après avoir entré des données dans chacune des quatre colonnes, nous produisons le dataframe de cette liste imbriquée. Lorsque cette liste est transformée en dataframe «consultation_df», nous affichons cette «consultation_df."Maintenant, nous mettons la méthode" consultation_df ", puis avons mis la méthode" Remplace () ". Le nom «Dr. James "prendra la place de" Dr. Alice "parce que nous remplaçons" Dr. Alice "avec" Dr. James". Ainsi, «Dr. James "sera utilisé à la place de" Dr. La variable Alice "La variable" Updated_datafarme "est utilisée pour stocker la méthode DataFarme mise à jour, qui est par la suite transmise à la méthode" print () ".

Vous pouvez remarquer que «Dr. Alice "apparaît dans la première colonne de ce DataFrame, mais après cela, nous remplacons" Dr. Alice "avec" Dr. James ", et vous pouvez voir que dans la prochaine Dataframe mise à jour, il n'y a pas de" Dr. Le nom d'Alice »est apparu parce que nous remplaçons tous les« Dr. Nom Alice »avec" Dr. James "et maintenant" dr. James »apparaît dans le dataframe mis à jour.

Exemple # 03
Nous utilisons à nouveau le «consultation_df» ici dans cet exemple, mais dans ce cas, nous remplaçons plusieurs valeurs de DataFrame. Vérifions comment faire cela. Ici, vous voyez que dans la méthode «Remplace ()», nous mettons d'abord le nom de la colonne, qui est «dr_name», puis plaçons ce nom que nous voulons remplacer, donc cette fois, nous voulons remplacer «DR. Nom des Oscars », et deuxièmement, nous voulons également modifier le« nomination_date »qui est« 5/8/2022 ». Nous remplaçons le nom par «Dr. Taylor, «Nom que nous mentionnons également dans cette méthode« Remplace () »et le« Nomination_Date »par« 8/8/2022 ».

Donc, cela changera tous les noms, qui sont «Dr. Oscar "dans la colonne" DR_NAME "avec le" DR. Taylor "ainsi que la date" 5/8/2022 "dans la colonne" Nomination_date "avec la" 88/2022 ". Dans cet exemple, nous avons remplacé deux valeurs de DataFrame. Lorsque toutes les valeurs seront modifiées, ils se stockeront dans «Updated_dataframe.". Après avoir remplacé ces valeurs, nous rendons le DataFrame par les valeurs remplacées.

Lorsque nous exécutons ce code, il rend d'abord le DataFrame d'origine, que nous avons généré dans le code. Puis après avoir rendu cela, il remplace «Dr. Oscar "avec" Dr. Taylor »et aussi la date qui est« 5/8/2022 »avec« 8/8/2022 ». Le nouveau DataFrame est également affiché dans ce résultat, et vous pouvez facilement noter la différence entre le premier DataFrame et la deuxième DataFrame.

Conclusion

Ce guide a fourni une explication approfondie de la méthode «Replace ()» d'une manière très simple. L'objectif principal de ce guide est de vous enseigner en détail la méthode «Pandas Remplace ()». Nous avons étudié le fait que cette méthode aide à remplacer les valeurs du dataframe, que nous voulons remplacer. Dans ce guide, nous allons également dans les détails des justifications théoriques et pratiques de ce concept «Remplace ()». Nous avons montré le DataFrame avant de remplacer les valeurs et après le remplacement, donc cela fait une différence claire pour vous en apprenant le concept de remplacement dans «Pandas."J'espère qu'ils sont assez faciles pour que vous appreniez la technique" remplacer () ".