Asignar un valor externo a un marco de datos significa usar diferentes conjuntos de valores para agregar ese marco de datos manteniendo las claves del diccionario externo igual que la columna de ese marco de datos.
Para agregar valores externos en el marco de datos, usamos un diccionario que tiene claves y valores que queremos agregar en el marco de datos. Al agregar valores externos en el marco de datos, se agregará una columna al marco de datos actual. También podemos mapear o combinar un marco de datos con otro marco de datos con la ayuda de pandas.
Método #1: Usando la función de mapeo
Al usar esta función de mapeo, podemos agregar una columna más a un marco de datos existente. Solo tenga en cuenta que no se repetirán los valores clave, lo que hará que los datos sean inconsistentes.
# Creating new dataframe import pandas as pd initial_data = {'First_name': ['Ram', 'Mohan', 'Tina', 'Jeetu', 'Meera'], 'Last_name': ['Kumar', 'Sharma', 'Ali', 'Gandhi', 'Kumari'], 'Age': [42, 52, 36, 21, 23], 'City': ['Mumbai', 'Noida', 'Pune', 'Delhi', 'Bihar']} df = pd.DataFrame(initial_data, columns = ['First_name', 'Last_name', 'Age', 'City']) # Create new column using dictionary new_data = { "Ram":"B.Com", "Mohan":"IAS", "Tina":"LLB", "Jeetu":"B.Tech", "Meera":"MBBS" } # combine this new data with existing DataFrame df["Qualification"] = df["First_name"].map(new_data) print(df)
First_name Last_name Age City Qualification 0 Ram Kumar 42 Mumbai B.Com 1 Mohan Sharma 52 Noida IAS 2 Tina Ali 36 Pune LLB 3 Jeetu Gandhi 21 Delhi B.Tech 4 Meera Kumari 23 Bihar MBBS
Método #2: Usando replace
la función
En este método, podemos agregar o reemplazar parte del valor del marco de datos por algunos valores externos definidos.
# Creating new dataframe import pandas as pd initial_data = {'First_name': ['Ram', 'Mohan', 'Tina', 'Jeetu', 'Meera'], 'Last_name': ['Kumar', 'Sharma', 'Ali', 'Gandhi', 'Kumari'], 'Age': [42, 52, 36, 21, 23], 'City': ['Mumbai', 'Noida', 'Pune', 'Delhi', 'Bihar']} df = pd.DataFrame(initial_data, columns = ['First_name', 'Last_name', 'Age', 'City']) # Create new column using dictionary new_data = { "Ram":"Shyam", "Tina":"Riya", "Jeetu":"Jitender" } print(df, end ="\n\n") # combine this new data with existing DataFrame df = df.replace({"First_name":new_data}) print(df)
First_name Last_name Age City 0 Ram Kumar 42 Mumbai 1 Mohan Sharma 52 Noida 2 Tina Ali 36 Pune 3 Jeetu Gandhi 21 Delhi 4 Meera Kumari 23 Bihar First_name Last_name Age City 0 Shyam Kumar 42 Mumbai 1 Mohan Sharma 52 Noida 2 Riya Ali 36 Pune 3 Jitender Gandhi 21 Delhi 4 Meera Kumari 23 Bihar
Método #3: Usar update
la función
En este método, podemos actualizar los valores del marco de datos utilizando valores de índice, podemos cambiar el valor de las columnas por datos externos.
# Creating new dataframe import pandas as pd initial_data = {'First_name': ['Ram', 'Mohan', 'Tina', 'Jeetu', 'Meera'], 'Last_name': ['Kumar', 'Sharma', 'Ali', 'Gandhi', 'Kumari'], 'Age': [42, 52, 36, 21, 23], 'City': ['Mumbai', 'Noida', 'Pune', 'Delhi', 'Bihar']} df = pd.DataFrame(initial_data, columns = ['First_name', 'Last_name', 'Age', 'City']) # Create new column using dictionary new_data = { 0:"Shyam", 2:"Riya", 3:"Jitender" } # combine this new data with existing DataFrame df["First_name"].update(pd.Series(new_data)) print(df)
First_name Last_name Age City 0 Shyam Kumar 42 Mumbai 1 Mohan Sharma 52 Noida 2 Riya Ali 36 Pune 3 Jitender Gandhi 21 Delhi 4 Meera Kumari 23 Bihar
Publicación traducida automáticamente
Artículo escrito por Jitender_1998 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA