Pandas, veri işleme ve analizi için yaygın olarak kullanılan güçlü bir Python kitaplığıdır. Verilerle gerçekleştirilen yaygın bir işlem, koşullandırma veya başka değerlerle eşleme gibi belirli ölçütlere dayalı olarak sütun değerlerini değiştirmektir. Bu yazıda, Pandas kütüphanesini kullanarak bu işlemi etkili bir şekilde nasıl uygulayacağımızı keşfedeceğiz. İster bir veri bilimcisi, ister bir programcı veya veriye dayalı moda trendleri dünyasını araştıran bir moda uzmanı olun, bu bilgi paha biçilmez olacaktır.
Bu işlemi anlamanın anahtarı, Pandas kitaplığı tarafından sağlanan yerleşik işlevlerde uzmanlaşmaktır. Spesifik olarak, çeşitli ölçütlere göre sütun değerlerini değiştirmek için "replace()", "map()" ve "apply()" işlevlerinin kullanımına odaklanacağız.
import pandas as pd
# Sample data
data = {'Fashion_Style': ['Boho', 'Grunge', 'Preppy', 'Vintage', 'Athleisure'],
'Colors': ['Earthy tones', 'Dark shades', 'Bright tones', 'Muted tones', 'Monochrome']}
df = pd.DataFrame(data)
# Replacing column values
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])
print(df)
Kodun Adım Adım Açıklaması
1. Öncelikle Pandas kütüphanesini `pd` olarak import ediyoruz. Bu yaygın bir kuraldır ve Panda işlevlerini "pd" kısaltmasıyla çağırmamıza izin verir.
2. Ardından, "Moda_Style" ve "Renkler" sütunlarını ve bunların ilgili değerlerini içeren "data" adında bir sözlük oluşturuyoruz.
3. Daha sonra "data" sözlüğü argüman olarak "pd.DataFrame()" işlevini kullanarak "df" adlı bir DataFrame oluşturuyoruz.
4. Bundan sonra, 'Renkler' sütunundaki belirli değerleri değiştirmek için 'replace()' işlevini kullanırız. Örneğimizde, "Toprak tonları"nı "Sıcak tonlar" ile ve "Monokrom"u "Kontrast tonları" ile değiştiriyoruz.
5. Son olarak, sonucu kontrol etmek için güncellenmiş DataFrame "df"yi yazdırıyoruz.
Sütun Değer Değiştirme için Pandalar Yerleşik İşlevleri
Pandas, DataFrame'lerde sütun değerleriyle çalışmak için çeşitli yerleşik işlevler sağlar. Bunlar arasında, "replace()", "map()" ve "apply()" komutlarının, çeşitli koşullara dayalı olarak sütun değerlerinin değiştirilmesi söz konusu olduğunda özellikle yararlı olduğunu belirledik.
değiştir (): Bu işlev, bir DataFrame veya Series'de belirtilen değerleri değiştirmek için kullanılır. Belirli bir sütuna veya DataFrame'in tamamına uygulanabilir ve gelişmiş kalıp eşleştirme için düzenli ifadeleri destekler.
df['Colors'] = df['Colors'].replace(['Earthy tones', 'Monochrome'], ['Warm tones', 'Contrast tones'])
) (Map: "map()" işlevi, "replace()" işlevine benzer, ancak belirli bir işlevi veya sözlüğü bir Serideki her öğeye uygular. Bu, sütun değerlerini belirli bir kural grubuna göre yeni değerlerle eşlemeniz gerektiğinde yararlı olabilir.
color_mapping = {'Earthy tones': 'Warm tones', 'Monochrome': 'Contrast tones'}
df['Colors'] = df['Colors'].map(color_mapping)
uygulamak(): "apply()" işlevi, belirli bir işlevi DataFrame ekseni boyunca uygulayan güçlü bir araçtır. Çok çeşitli dönüşümler elde etmek için DataFrame'in tamamında veya belirli sütunlarda kullanılabilir.
def update_colors(color_value):
if color_value == 'Earthy tones':
return 'Warm tones'
elif color_value == 'Monochrome':
return 'Contrast tones'
else:
return color_value
df['Colors'] = df['Colors'].apply(update_colors)
Emrinizin altındaki bu işlevlerle, Pandas'ta DataFrames'teki sütun değerlerini değiştirmek gibi çeşitli veri işleme görevlerinin üstesinden gelmeye artık hazırsınız. Bu bilgi yalnızca veri bilimi ve programlama alanında uygulanabilir değil, aynı zamanda modern moda stillerini analiz ederken, ortaya çıkan trendleri belirlerken ve çeşitli stil ve renklerin tarihsel önemini anlarken de yararlı olduğunu kanıtlıyor.
