Visualización de valores externos ‚Äã‚Äãa valores de datos ‚Äã‚Äãen Pandas

Para agregar valores externos ‚Äã‚Äã al dataframe, usamos un diccionario que contiene las claves y valores ‚Äã‚Äãque queremos agregar al dataframe. Cuando agrega valores externos a un marco de datos, se agregará una columna al marco de datos actual. También podemos mapear o fusionar un marco de datos con otro usando pandas.

Método # 1: Usando la función de visualización

Usando esta función de visualización, podemos agregue otra columna al marco de datos existente. Solo tenga en cuenta que no se repetirán los valores clave ‚Äã‚Äã, esto hará que los datos sean inconsistentes.

# Crear un nuevo marco de datos

importar pandas como pd

< clase de código = "simple"> datos_inicial = { `First_name` < /código> : [ ` Ram` , `Mohan` , ` Tina` , `Jeetu` , ` Meera` ],

`Last_name` : [ `Kumar` , ` Sharma` , `Ali` , ` Gandhi` , `Kumari` ],

`Edad` : [ 42 < /código> , 52 , 36 , 21 , 23 ],

`Ciudad` : [ ` Mumbai` , `Noida` , `Pune` , ` Delhi ` , `Bihar` ]}

df = pd.DataFrame (datos_iniciales, columnas = [ `Nombre` , `Apellido` ,

`Edad` , < código clase ="cadena ">` Ciudad` ])

# Crear una nueva columna usando un diccionario

new_data = { "Carnero" : "B.Com" ,

"Mohan" : "IAS" ,

"Tina" : " LLB " ,

" Jeetu " : " B.Tech " ,

"Meera" : "MBBS" }

# combinar estos nuevos datos con el DataFrame existente

df [ "Calificación" ] = df [ "First_name" ]. mapa (nuevos_datos)

imprimir (df)

Salir:

Nombre Apellido Edad Ciudad Calificación 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 el replace

En este método, podemos agregar o reemplazar algunos valores del marco de datos ‚Äã‚Äãcon algunos valores externos específicos.

importar pandas como pd

datos_inicial = { < clase de código = "cadena"> `Nombre` : [ ` Ram` , `Mohan ` , ` Tina` , `Jeetu` , `Meera` ], < /código>

`Apellido` : [ ` Kumar` , ` Sharma` , `Ali` , `Gandhi` , ` Kumari` ],

`Edad` : [ 42 , 52 , 36 , 21 , 23 ],

`Ciudad` < clase de código = "simple">: [ `Mumbai` , ` Noida` , `Pune` , `Delhi` , ` Bihar` ]}

df = pd. DataFrame (datos_iniciales, columnas = [ `First _nombre` , `Apellido` ,

` Edad` , `City` ])

# Crear una nueva columna usando un diccionario

nuevos_datos = { "Ram" : " Shyam " ,

"Tina" : " Riya " ,

"Jeetu" : "Jitender" }

print (df, end = "" )

# fusionar este nuevo datos con el DataFrame existente

df = df.replace ({ " First_name " : new_data})

imprimir (df)

Nombre Apellido Edad Ciudad 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 Nombre Apellido Edad Ciudad 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 

datos_inicial = { `First_name` : [ `Carnero` , `Mohan` , < clase de código ="cadena ">` Tina` , `Jeetu` , `Meera` ],

` Apellido` : [ `Kumar` , ` Sharma` , `Ali` , `Gandhi` , ` Kumari` ],

`Edad` : [ 42 , 52 , 36 , < /código> 21 , 23 ],

` City` : [ ` Mumbai` , `Noida` , < clase de código = "cadena"> `Pune` , ` Delhi` , ` Bihar` ]}

df = pd.DataFrame (datos_iniciales, columnas = < clase de código = "simple"> [ `Nombre` , `Apellido ` ,

`Edad` , ` City` ])

# Crear una nueva columna usando un diccionario

new_data = { 0 : "Shyam" ,

2 : < /código> " Riya " ,

3 : " Jitender " }


# combinar estos nuevos datos con el DataFrame existente

df [ "First_name" ].update (pd.Series (new_data))

imprimir (df)

Salir:

Nombre Apellido Edad Ciudad 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