Pandas में कॉलम जोड़ने का ट्यूटोरियल

आपको दिए गए डेटा तक सीमित रहने की ज़रूरत नहीं है। इसके बजाय, आप DataFrame में नए कॉलम जोड़ सकते हैं। इसे कई नामों से जाना जाता है, जैसे transforming, mutating, और feature engineering।

आप बिल्कुल नए कॉलम बना सकते हैं, लेकिन प्रायः उन्हें अन्य कॉलमों से निकाला जाता है, उदाहरण के लिए, कॉलमों को जोड़कर या उनकी इकाइयाँ बदलकर।

किसी कॉलम का व्युत्पादन

डॉग डेटासेट का उपयोग करते हुए, मान लीजिए आप अपने DataFrame में एक नया कॉलम जोड़ना चाहते हैं जिसमें हर कुत्ते की ऊँचाई सेंटीमीटर के बजाय मीटर में हो।

बराबर के बाएँ हिस्से में, आप स्क्वायर ब्रैकेट्स में उस नए कॉलम का नाम देते हैं जिसे आप बनाना चाहते हैं, इस मामले में height_m। दाएँ हिस्से में आपका गणना सूत्र होता है।

dogs["height_m"] = dogs["height_cm"] / 100
print(dogs)
संचालित द्वारा

        name        breed   color   height_cm   weight_kg   date_of_birth   height_m
0      Bella     Labrador   Brown          56          24      2013-07-01       0.56
1    Charlie       Poodle   Black          43          24      2016-09-16       0.43
2       Lucy    Chow Chow   Brown          46          24      2014-08-25       0.46
3     Cooper    Schnauzer    Gray          49          17      2016-09-16       0.49
4        Max     Labrador   Black          59          29      2016-09-16       0.59
5     Stella    Chihuahua     Tan          18           2      2016-09-16       0.18
6     Bernie  St. Bernard   White          77          74      2016-09-16       0.77
संचालित द्वारा

ध्यान दें कि आपने जिस डेटा फ्रेम को संशोधित किया है, उसमें मौजूदा और व्युत्पन्न दोनों कॉलम मौजूद हैं।

एक कॉलम जोड़ना

इस उदाहरण में, आप डॉगी मास इंडेक्स की गणना करेंगे और उसे अपने डेटा फ्रेम में एक कॉलम के रूप में जोड़ेंगे। BMI का अर्थ है बॉडी मास इंडेक्स, जिसे किलोग्राम में वजन को मीटर में ऊँचाई के वर्ग से भाग देकर निकाला जाता है।

dogs["height_m"] = dogs["weight_kg"] / dogs["height_m"] ** 2
print(dogs.head())
संचालित द्वारा

        name        breed   color   height_cm   weight_kg   date_of_birth   height_m          bmi
0      Bella     Labrador   Brown          56          24      2013-07-01       0.56    76.530612
1    Charlie       Poodle   Black          43          24      2016-09-16       0.43   129.799892
2       Lucy    Chow Chow   Brown          46          24      2014-08-25       0.46   113.421550
3     Cooper    Schnauzer    Gray          49          17      2016-09-16       0.49    70.803832
4        Max     Labrador   Black          59          29      2016-09-16       0.59    83.309394
संचालित द्वारा

फिर से, नया कॉलम बराबर के बाएँ हिस्से में है, लेकिन इस बार गणना में दो कॉलम शामिल हैं।

एकाधिक प्रक्रियाओं के साथ कॉलम जोड़ना

pandas की वास्तविक शक्ति तब आती है जब आप अब तक सीखी गई सभी क्षमताओं को जोड़ते हैं। आइए दुबले-पतले, लंबे कुत्तों के नाम पता करें।

पहले, दुबले कुत्तों को परिभाषित करने के लिए, आप उन कुत्तों का सबसेट लेते हैं जिनका BMI 100 से कम है। अगला, आप ऊँचाई को अवरोही क्रम में सॉर्ट करते हैं ताकि सबसे लंबे दुबले कुत्ते ऊपर आ जाएँ।

अंत में, इस बार आप केवल उन्हीं कॉलमों को रखेंगे जिनमें आपकी रुचि है।

bmi_lt_100 = dogs[dogs["bmi"] < 100]
bmi_lt_100_height = bmi_lt_100.short_values("height_cm", ascending=False)
bmi_lt_100_height[["name", "height_cm", "bmi"]]
संचालित द्वारा

        name      height_cm           bmi
4        Max             59     83.309394
0      Bella             56     76.530612
3     Cooper             49     70.803832
5     Stella             18     61.728395
संचालित द्वारा

यहाँ, आप देख सकते हैं कि Max 100 से कम BMI वाला सबसे लंबा कुत्ता है।

इंटरएक्टिव उदाहरण

नीचे दिए गए उदाहरण में, आप DataFrame homelessness में total नाम का एक नया कॉलम जोड़ते हैं, जिसमें individuals और family_members कॉलमों का योग होता है। फिर, homelessness में एक और कॉलम जोड़ें, जिसका नाम p_individuals है, जिसमें प्रत्येक राज्य में बेघर लोगों का वह अनुपात होगा जो individuals हैं। अंत में, homelessness डेटा फ्रेम को प्रिंट करें।

# Add total col as sum of individuals and family_members
homelessness["total"] = homelessness["individuals"] + homelessness["family_members"]

# Add p_individuals col as proportion of individuals
homelessness["p_individuals"] = homelessness["individuals"] / homelessness["total"]

# See the result
print(homelessness)
संचालित द्वारा

जब हम ऊपर का कोड चलाते हैं, तो यह निम्न परिणाम देता है:

                region                 state  individuals  family_members  state_pop     total  p_individuals
0   East South Central               Alabama       2570.0           864.0    4887681    3434.0          0.748
1              Pacific                Alaska       1434.0           582.0     735139    2016.0          0.711
2             Mountain               Arizona       7259.0          2606.0    7158024    9865.0          0.736
3   West South Central              Arkansas       2280.0           432.0    3009733    2712.0          0.841
4              Pacific            California     109008.0         20964.0   39461588  129972.0          0.8
...
48      South Atlantic         West Virginia       1021.0           222.0    1804291    1243.0          0.821
49  East North Central             Wisconsin       2740.0          2167.0    5807406    4907.0          0.558
50            Mountain               Wyoming        434.0           205.0     577601     639.0          0.679
संचालित द्वारा

खुद आज़माएँ।

DataCamp के ट्यूटोरियल Pandas में कॉलम कैसे हटाएँ पर भी नज़र डालें।

pandas में नए कॉलम जोड़ने के बारे में और जानने के लिए, हमारे कोर्स Data Manipulation with pandas का यह वीडियो देखें।

यह सामग्री DataCamp के Data Manipulation with pandas कोर्स से ली गई है, जिसे Maggie Matsui और Richie Cotton ने तैयार किया है।