पांडस रीइंडेक्स

'पांडा' में, हम बहुत सारी जानकारी को सारणीबद्ध रूप में संग्रहीत कर सकते हैं, जिसे डेटाफ़्रेम के रूप में भी जाना जाता है। 'पांडा' हमें डेटाफ़्रेम के निर्माण के लिए 'डेटाफ़्रेम ()' विधि की सुविधा देता है। डेटाफ़्रेम में इंडेक्स होते हैं, और हम 'पांडा' फ़ंक्शंस का उपयोग करके डेटाफ़्रेम के इंडेक्स को भी बदल सकते हैं। डेटाफ़्रेम को पुन: अनुक्रमणित करने के लिए हम जिस विधि का उपयोग करते हैं, वह 'रीइंडेक्स ()' विधि है। यह विधि पंक्ति के सूचकांक मूल्यों के साथ-साथ स्तंभों के सूचकांक मूल्यों को बदलने में मदद करती है। इस पद्धति का उपयोग करके, हम डेटाफ़्रेम के डिफ़ॉल्ट इंडेक्स को बदल सकते हैं, और साथ ही, हम उस इंडेक्स को भी बदल सकते हैं जिसे हमने डेटाफ़्रेम बनाते समय सेट किया था। हम इस ट्यूटोरियल में अपने 'पांडा' उदाहरणों में 'रीइंडेक्स ()' विधि का उपयोग करेंगे और इस अवधारणा को यहां गहराई से समझाएंगे।'

उदाहरण # 01

'स्पाइडर' टूल हमें इस ट्यूटोरियल में 'पांडा' कोड विकसित करने में मदद करता है, और हम 'आयात' कीवर्ड के साथ अपना कोड शुरू करते हैं, जो 'पांडा' फ़ंक्शन को आयात करने में मदद करेगा। हम 'आयात' टाइप करने के बाद 'पंडों को पीडी' के रूप में रखते हैं। इसके बाद हम “pd.DataFrame ()” टाइप करके DataFrame बनाते हैं। हम इसे यहां 'पीडी' लिखते हैं क्योंकि 'डेटाफ्रेम ()' 'पांडा' की विधि है। 'Value_df' वेरिएबल का नाम है जिसमें डेटाफ़्रेम सहेजा जाता है। हम 'रैंडमनाम' जोड़ते हैं, जो कॉलम नाम है, और 'रैंडमनाम' में 'थॉमस, ऑस्कर, लिली, रोवन, जॉन, ब्रोमली, पीटर, अलेक्जेंडर और सैमुअल' शामिल हैं।

फिर, हमारे पास 'Value_1' है, जिसमें हमने '16, 29, 24, 35, 44, 50, 69, 74, और 88' डाला है। फिर 'Value_2' आता है और हमने '25, 38, 42, 56, 54, 65, 78, 89, और 99' जोड़ा है। अब, 'Value_3' अगला आता है, और हम इसमें '36, 48, 52, 69, 74, 75, 87, 91, और 69' डालते हैं। इसके बाद 'Value_4' कॉलम मौजूद है, जहां हमने '52, 64, 72, 88, 82, 95, 97, 21, और 39' डाला है। अंतिम कॉलम यहां 'Value_5' कॉलम है, और इस कॉलम में, हमने जो मान जोड़े हैं, वे '66, 78, 82, 99, 34, 45, 57, 61 और 89' हैं। इसके बाद, हम 'प्रिंट ()' फ़ंक्शन का उपयोग करते हैं जिसमें 'Values_df' जोड़ा जाता है। यह टर्मिनल पर प्रिंट होगा।

“Shift+Enter” दबाने के बाद, हम “स्पाइडर” ऐप में अपने कोड का परिणाम आसानी से प्राप्त कर सकते हैं। यहां, यह कोड डेटाफ़्रेम को डिफ़ॉल्ट अनुक्रमणिका के साथ लौटाता है। अब, हम 'पांडा' में इस डेटाफ़्रेम को पुन: अनुक्रमणित करने के लिए 'रीइंडेक्स ()' विधि लागू करेंगे।

'रीइंडेक्स ()' फ़ंक्शन का उपयोग यहां पंक्ति के इंडेक्स वैल्यू को रीइंडेक्स करने के लिए किया जाता है। उपरोक्त डेटाफ़्रेम में, आप देख सकते हैं कि पंक्ति के डिफ़ॉल्ट इंडेक्स मान प्रदर्शित होते हैं, और अब, हम उन पंक्ति अनुक्रमणिका को पुन: अनुक्रमणित करने के लिए 'रीइंडेक्स ()' विधि लागू कर रहे हैं। हम डेटाफ़्रेम का नाम और फिर 'रीइंडेक्स ()' विधि रखते हैं जिसमें हम उन इंडेक्स मानों को रखते हैं जिन्हें हम उपरोक्त डेटाफ़्रेम में जोड़ना चाहते हैं। हम 'reindex ()' फ़ंक्शन में 'ind_A, ind_B, ind_C, ind_D, ind_E, ind_F, ind_G, ind_H, और ind_I' डालते हैं। इसलिए, जब हम इस कोड को निष्पादित करते हैं, तो इन पंक्तियों की अनुक्रमणिका डेटाफ़्रेम पर अपडेट हो जाएगी।

इस परिणाम में पंक्ति की अनुक्रमणिका के मान प्रदर्शित होते हैं, और आप नोट कर सकते हैं कि डेटाफ़्रेम मान यहाँ प्रदर्शित नहीं हैं, और 'NaN' मान प्रकट हुए हैं। ऐसा इसलिए है क्योंकि नए इंडेक्स मान डेटाफ़्रेम के पिछले इंडेक्स मानों से मेल नहीं खाते हैं। जब नया इंडेक्स और पुराना इंडेक्स मेल नहीं खाता है, तो यह वहां 'नैन' प्रदर्शित करता है। जब हम इंडेक्स बदलते हैं तो ये 'NaN' मान डिफ़ॉल्ट रूप से दिखाई देते हैं, और यह पिछले इंडेक्स से मेल नहीं खाता है।

उदाहरण # 02

अब हम 'Value_df' के कॉलम इंडेक्स वैल्यू को बदल रहे हैं, जिसे हमने पहले उदाहरण 1 में बनाया है। 'Value_df' को प्रिंट करने के बाद, हम 'कॉलम' वैरिएबल डालते हैं और इसमें कुछ वैल्यू जोड़ते हैं। हम 'a_1, b_1, c_1, d_1, और e_1' जोड़ते हैं। अब, हम इन मानों को कॉलम के सूचकांक के रूप में समायोजित करना चाहते हैं, इसलिए, इसके लिए, हम 'रीइंडेक्स ()' विधि का उपयोग कर रहे हैं और वेरिएबल 'कॉलम' का नाम रखते हैं जिसमें नए कॉलम इंडेक्स मान संग्रहीत होते हैं और 'अक्ष' को 'कॉलम' पर भी सेट करें, इसलिए यह कॉलम अक्ष अनुक्रमणिका को अपडेट करेगा। हम 'रीइंडेक्स ()' विधि को 'प्रिंट ()' में डालते हैं, इसलिए यह टर्मिनल पर भी रेंडर होगा।

जैसा कि हमने 'रीइंडेक्स ()' विधि का उपयोग किया है, पहले डेटाफ़्रेम में मौजूद कॉलम इंडेक्स मान अपडेट किए जाते हैं, और अपडेट किए गए डेटाफ़्रेम में नए मान जोड़े जाते हैं। आप यह भी नोट कर सकते हैं कि डेटाफ़्रेम के सभी मान 'NaN' में परिवर्तित हो जाते हैं क्योंकि कॉलम के दोनों सूचकांक मान भिन्न होते हैं।

उदाहरण # 03

इस कोड में 'Programming_data' में 'P_Languages' शामिल है, जहां हमने 'जावास्क्रिप्ट, सीएसएस, वेब इंजीनियरिंग, ओओपी, सी #, एआई, जावा और जावास्क्रिप्ट' जोड़ा है। फिर, हमारे पास 'घंटे' हैं जिसमें हम '4_hrs, 2_hrs, 3_hrs, 7_hrs, 6_hrs, 5_hrs, 8_hrs, और 6_hrs' रखते हैं। इसके बाद, 'P_Code' दर्ज किया जाता है, और हम '11523, 12423, 12321, 11456, 11454, 12267, 13106, और 14123' डालते हैं। हम 'p_index' चर जोड़ते हैं और 'Pro_A, Pro_B, Pro_C, Pro_D, Pro_E, Pro_F, Pro_G, और Pro_H' डालते हैं।

इन मानों का उपयोग पंक्तियों के सूचकांक मूल्यों के रूप में किया जाएगा। हम 'Programming_data' को 'Programming_df' DataFrame में बदलते हैं। हम 'इंडेक्स' पद्धति का उपयोग करके इस डेटाफ़्रेम में 'p_index' भी जोड़ते हैं। हम 'Programming_df' और फिर 'इंडेक्स' विधि डालते हैं और इसे 'p_index' असाइन करते हैं। अब, उपरोक्त अनुक्रमणिका मान डेटाफ़्रेम में पंक्तियों के अनुक्रमणिका मानों के रूप में जोड़े जाते हैं। हम 'Programming_df' भी प्रिंट करते हैं।

इसके बाद, हम 'new_index' वेरिएबल में कुछ नए इंडेक्स मान जोड़ते हैं, और ये 'P_1, P_2, P_3, P_4, P_5, P_6, P_7, और P_8' हैं। जैसा कि हम पंक्तियों के सूचकांक मूल्यों को अद्यतन करना चाहते हैं, हम 'reindex ()' विधि का उपयोग करते हैं और इस फ़ंक्शन के पैरामीटर के रूप में 'new_index' डालते हैं और अपडेट किए गए डेटाफ़्रेम को 'newProgramming_df' में संग्रहीत करते हैं और 'newProgramming_df' को ' प्रिंट ()' प्रदर्शित करने के लिए।

अनुक्रमणिका मान अपडेट किए जाते हैं, और हम यह भी कह सकते हैं कि हमने डेटाफ़्रेम को फिर से अनुक्रमित किया है जिसे हमने बनाया है। DataFrame के सभी मान भी 'NaN' में बदल जाते हैं क्योंकि दोनों इंडेक्स मान अलग-अलग होते हैं।

उदाहरण # 04

वर्तमान में हम कॉलम के 'Programming_df's' इंडेक्स वैल्यू को बदल रहे हैं, जिसे हमने पहले उदाहरण 3 में विकसित किया था। हम 'कॉलम' वैरिएबल डालते हैं और इसमें नए मान डालते हैं। 'P_Code, P_Languages, घंटे, और नया' 'कॉलम' चर में जोड़े जाते हैं। फिर, हम फिर से 'रीइंडेक्स ()' विधि का उपयोग करते हैं जिसमें हम 'कॉलम' वैरिएबल सेट करते हैं, जो पिछले कॉलम इंडेक्स वैल्यू को अपडेट करेगा और इन नए कॉलम इंडेक्स वैल्यू को डेटाफ्रेम में जोड़ देगा।

यहां, आप नोट कर सकते हैं कि हमने 'कॉलम' में जो नए मान जोड़े हैं, वे वही हैं जो हमने उपरोक्त डेटाफ़्रेम में जोड़े हैं, लेकिन अनुक्रम अलग है, इसलिए यह कॉलम के अनुक्रम को बदल देगा और सभी कॉलमों को समायोजित करेगा जैसा कि हम करते हैं 'कॉलम' चर में उल्लिखित। साथ ही, हम एक और इंडेक्स वैल्यू जोड़ते हैं जो उपरोक्त डेटाफ्रेम में मौजूद नहीं है, जो यहां 'नया' है, इसलिए इस कॉलम में 'एनएएन' मान दिखाई देंगे।

कॉलम का क्रम यहां बदल दिया गया है, और सभी मान दिखाई देते हैं क्योंकि यह मूल डेटाफ़्रेम के कॉलम में मौजूद है और अपडेट किए गए डेटाफ़्रेम में 'नया' कॉलम में सभी 'NaN' मान शामिल हैं क्योंकि यह कॉलम मूल डेटाफ़्रेम में मौजूद नहीं है।

निष्कर्ष

हमने यह ट्यूटोरियल प्रस्तुत किया है जो हमें 'पांडा रीइंडेक्स' धारणा को विस्तार से समझने में सहायता करता है। हमने चर्चा की है कि हम डेटाफ़्रेम के कॉलम के साथ-साथ पंक्ति के इंडेक्स मानों को कैसे पुन: अनुक्रमित कर सकते हैं। हमने समझाया है कि ऐसा करने के लिए 'पांडा' के 'रीइंडेक्स ()' फ़ंक्शन का उपयोग किया जाता है। हमने अलग-अलग उदाहरण किए हैं जिनमें हमने डेटाफ़्रेम की पंक्तियों के सूचकांक मूल्यों और डेटाफ़्रेम के स्तंभ सूचकांक के सूचकांक मूल्यों को भी बदल दिया है। हमने इस ट्यूटोरियल में यहां किए गए सभी कोड के परिणाम प्रस्तुत किए हैं और उन्हें गहराई से समझाया भी है।