Pandas Sütun Ekleme Eğitimi

Size verilen verilerle hiçbir zaman sınırlı değilsiniz. Bunun yerine, bir DataFrame'e yeni sütunlar ekleyebilirsiniz. Bunun için dönüştürme (transforming), mutasyon (mutating) ve özellik mühendisliği (feature engineering) gibi farklı adlar kullanılır.

Yeni sütunları sıfırdan oluşturabilirsiniz, ancak bunları diğer sütunlardan türetmek de yaygındır; örneğin, sütunları birbirine ekleyerek veya birimlerini değiştirerek.

Bir Sütun Türetme

Bir köpek veri kümesini kullanarak, her köpeğin boyunu santimetre yerine metre cinsinden içeren yeni bir sütunu DataFrame'inize eklemek istediğinizi varsayalım.

Eşittir işaretinin sol tarafında, oluşturmak istediğiniz yeni sütunun adını köşeli parantez içinde yazarsınız; bu durumda height_m. Sağ tarafta ise hesaplama yer alır.

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

        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

Hem mevcut hem de türetilen sütunun, değiştirdiğiniz veri çerçevesinde yer aldığına dikkat edin.

Bir Sütun Ekleme

Bu örnekte, köpek kitle indeksini hesaplayıp veri çerçevenize bir sütun olarak ekleyeceksiniz. BMI, vücut kitle indeksinin kısaltmasıdır; kilogram cinsinden ağırlığın, metre cinsinden boyun karesine bölünmesiyle hesaplanır.

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

        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

Yine, yeni sütun eşittirin sol tarafında; ancak bu kez hesaplamamız iki sütunu içeriyor.

Birden Fazla İşlemle Sütun Ekleme

pandas'ın gerçek gücü, şimdiye kadar öğrendiğiniz tüm becerileri birleştirdiğinizde ortaya çıkar. Hadi zayıf ve uzun köpeklerin adlarını bulalım.

Önce, zayıf köpekleri tanımlamak için BMI değeri 100'ün altında olan köpeklerin alt kümesini alırsınız. Sonra, en uzun zayıf köpeklerin en üstte olması için boyu azalan düzende sıralarsınız.

Son olarak, bu kez yalnızca ilgilendiğiniz sütunları tutacaksınız.

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"]]

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

Burada, Max'in BMI'si 100'ün altında olan en uzun köpek olduğunu görebilirsiniz.

Etkileşimli Örnek

Aşağıdaki örnekte, homelessness adlı DataFrame'e, individuals ve family_members sütunlarının toplamını içeren total adlı yeni bir sütun eklersiniz. Ardından, her eyalette evsizlerin birey olma oranını içeren p_individuals adlı bir sütunu homelessness'a eklersiniz. Son olarak, homelessness veri çerçevesini yazdırın.

# 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)

Yukarıdaki kodu çalıştırdığımızda aşağıdaki sonuç elde edilir:

                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

Kendiniz deneyin.

Ayrıca DataCamp'in Pandas'ta Sütunlar Nasıl Silinir adlı eğitimine de göz atın.

pandas'ta yeni sütunlar ekleme hakkında daha fazla bilgi için, Data Manipulation with pandas adlı kursumuzdaki bu videoya bakın.

Bu içerik, Maggie Matsui ve Richie Cotton tarafından hazırlanan DataCamp’in Data Manipulation with pandas kursundan alınmıştır.