పాండాస్ రెఇండెక్స్

'పాండాలు'లో, మేము చాలా సమాచారాన్ని పట్టిక రూపంలో నిల్వ చేయవచ్చు, దీనిని డేటాఫ్రేమ్ అని కూడా పిలుస్తారు. 'పాండాలు' డేటాఫ్రేమ్‌ను నిర్మించడానికి 'డేటాఫ్రేమ్()' పద్ధతిని మాకు అందిస్తుంది. డేటాఫ్రేమ్ ఇండెక్స్‌లను కలిగి ఉంది మరియు “పాండాస్” ఫంక్షన్‌లను ఉపయోగించడం ద్వారా మేము డేటాఫ్రేమ్ యొక్క సూచికలను కూడా మార్చవచ్చు. డేటాఫ్రేమ్‌ని రీఇండెక్స్ చేయడానికి మనం ఉపయోగించే పద్ధతి “రీఇండెక్స్()” పద్ధతి. ఈ పద్ధతి అడ్డు వరుసల సూచిక విలువలను అలాగే నిలువు వరుసల సూచిక విలువలను మార్చడంలో సహాయపడుతుంది. ఈ పద్ధతిని ఉపయోగించడం ద్వారా, మేము డేటాఫ్రేమ్ యొక్క డిఫాల్ట్ సూచికను మార్చవచ్చు మరియు డేటాఫ్రేమ్‌ను సృష్టించేటప్పుడు మనం సెట్ చేసిన సూచికను కూడా మార్చవచ్చు. మేము ఈ ట్యుటోరియల్‌లోని మా “పాండాలు” ఉదాహరణలలో “reindex()” పద్ధతిని ఉపయోగిస్తాము మరియు ఈ భావనను ఇక్కడ లోతుగా వివరిస్తాము.

ఉదాహరణ # 01

ఈ ట్యుటోరియల్‌లో ఇక్కడ “పాండాలు” కోడ్‌ను అభివృద్ధి చేయడంలో “స్పైడర్” సాధనం మాకు సహాయపడుతుంది మరియు మేము మా కోడ్‌ను “దిగుమతి” అనే కీవర్డ్‌తో ప్రారంభిస్తాము, ఇది “పాండాలు” ఫంక్షన్‌ను దిగుమతి చేయడంలో సహాయపడుతుంది. 'దిగుమతి' అని టైప్ చేసిన తర్వాత మేము 'పాండాలను pd'గా ఉంచుతాము. దీని తరువాత, మేము 'pd.DataFrame()' అని టైప్ చేయడం ద్వారా డేటాఫ్రేమ్‌ను సృష్టిస్తాము. మేము ఈ “pd”ని ఇక్కడ వ్రాస్తాము ఎందుకంటే “DataFrame()” అనేది “pandas” పద్ధతి. “value_df” అనేది డేటాఫ్రేమ్ సేవ్ చేయబడిన వేరియబుల్ పేరు. మేము కాలమ్ పేరు అయిన “RandomName”ని జోడిస్తాము మరియు “RandomName”లో “థామస్, ఆస్కార్, లిల్లీ, రోవాన్, జాన్, బ్రోమ్లీ, పీటర్, అలెగ్జాండర్ మరియు శామ్యూల్” ఉన్నాయి.

అప్పుడు, మనకు “Value_1” ఉంది, దీనిలో మేము “16, 29, 24, 35, 44, 50, 69, 74 మరియు 88”ని చొప్పించాము. ఆపై 'Value_2' వస్తుంది మరియు మేము '25, 38, 42, 56, 54, 65, 78, 89 మరియు 99'ని జోడించాము. ఇప్పుడు, “Value_3” తర్వాత వస్తుంది మరియు మేము దానిలో “36, 48, 52, 69, 74, 75, 87, 91 మరియు 69”ని ఉంచుతాము. “Value_4” నిలువు వరుస దీని తర్వాత ఉంది, ఇక్కడ మేము “52, 64, 72, 88, 82, 95, 97, 21 మరియు 39”లను చొప్పించాము. చివరి నిలువు వరుస ఇక్కడ “Value_5” నిలువు వరుస, మరియు ఈ నిలువు వరుసలో, మేము జోడించిన విలువలు “66, 78, 82, 99, 34, 45, 57, 61 మరియు 89”. దీని తరువాత, మేము 'Print()' ఫంక్షన్‌ని ఉపయోగిస్తాము, దీనిలో 'Values_df' జోడించబడింది. ఇది టెర్మినల్‌లో ముద్రించబడుతుంది.

“Shift+Enter” నొక్కిన తర్వాత, “Spyder” యాప్‌లో మన కోడ్‌ల ఫలితాన్ని సులభంగా పొందవచ్చు. ఇక్కడ, ఈ కోడ్ డేటాఫ్రేమ్‌ని డిఫాల్ట్ ఇండెక్స్‌తో అందిస్తుంది. ఇప్పుడు, మేము ఈ డేటాఫ్రేమ్‌ని “పాండాలు”లో రీఇండెక్స్ చేయడానికి “రీఇండెక్స్()” పద్ధతిని వర్తింపజేస్తాము.

వరుస సూచిక విలువను రీఇండెక్స్ చేయడం కోసం ఇక్కడ “reindex()” ఫంక్షన్ ఉపయోగించబడుతుంది. ఎగువ డేటాఫ్రేమ్‌లో, అడ్డు వరుస యొక్క డిఫాల్ట్ సూచిక విలువలు ప్రదర్శించబడడాన్ని మీరు చూడవచ్చు మరియు ఇప్పుడు, మేము ఆ వరుస సూచికలను రీఇండెక్సింగ్ చేయడానికి “reindex()” పద్ధతిని వర్తింపజేస్తున్నాము. మేము DataFrame పేరును ఉంచుతాము మరియు ఆపై 'reindex()' పద్ధతిలో మేము ఎగువ డేటాఫ్రేమ్‌కు జోడించదలిచిన సూచిక విలువలను ఉంచుతాము. మేము “reindex()” ఫంక్షన్‌లో “ind_A, ind_B, ind_C, ind_D, ind_E, ind_F, ind_G, ind_H మరియు ind_I”ని ఉంచాము. కాబట్టి, మేము ఈ కోడ్‌ని అమలు చేసినప్పుడు ఈ అడ్డు వరుసల సూచికలు డేటాఫ్రేమ్‌లో నవీకరించబడతాయి.

అడ్డు వరుస సూచిక యొక్క విలువలు ఈ ఫలితంలో ప్రదర్శించబడతాయి మరియు డేటాఫ్రేమ్ విలువలు ఇక్కడ ప్రదర్శించబడలేదని మరియు 'NaN' విలువలు కనిపించాయని మీరు గమనించవచ్చు. కొత్త ఇండెక్స్ విలువలు డేటాఫ్రేమ్ యొక్క మునుపటి సూచిక విలువలతో సరిపోలడం లేదు. కొత్త ఇండెక్స్ మరియు పాత ఇండెక్స్ సరిపోలనప్పుడు, అది అక్కడ 'Nan'ని ప్రదర్శిస్తుంది. మేము సూచికను మార్చినప్పుడు ఈ 'NaN' విలువలు డిఫాల్ట్‌గా కనిపిస్తాయి మరియు ఇది మునుపటి సూచికతో సరిపోలడం లేదు.

ఉదాహరణ # 02

మేము మునుపు ఉదాహరణ 1లో సృష్టించిన 'Value_df' యొక్క నిలువు వరుస సూచిక విలువలను ఇప్పుడు మారుస్తున్నాము. 'Value_df'ని ముద్రించిన తర్వాత, మేము 'నిలువు' వేరియబుల్‌ని ఉంచాము మరియు దానికి కొన్ని విలువలను జోడించాము. మేము 'a_1, b_1, c_1, d_1 మరియు e_1'ని జోడిస్తాము. ఇప్పుడు, మేము ఈ విలువలను నిలువు వరుసల సూచికగా సర్దుబాటు చేయాలనుకుంటున్నాము, కాబట్టి, దీని కోసం, మేము “reindex()” పద్ధతిని ఉపయోగిస్తున్నాము మరియు కొత్త కాలమ్ సూచిక విలువలు నిల్వ చేయబడిన వేరియబుల్ “కాలమ్” పేరును ఉంచుతాము మరియు 'అక్షం'ను 'నిలువు వరుసలు'గా కూడా సెట్ చేయండి, ఇది కాలమ్ యాక్సిస్ ఇండెక్స్‌ను అప్‌డేట్ చేస్తుంది. మేము “reindex()” పద్ధతిని “print()”లో ఉంచాము, కనుక ఇది టెర్మినల్‌లో కూడా రెండర్ అవుతుంది.

మేము “reindex()” పద్ధతిని ఉపయోగించినందున, మొదటి డేటాఫ్రేమ్‌లో ఉన్న నిలువు వరుస సూచిక విలువలు నవీకరించబడ్డాయి మరియు నవీకరించబడిన డేటాఫ్రేమ్‌లో కొత్త విలువలు జోడించబడతాయి. నిలువు వరుసల సూచిక విలువలు రెండూ వేర్వేరుగా ఉన్నందున డేటాఫ్రేమ్ యొక్క అన్ని విలువలు 'NaN'కి మార్చబడతాయని మీరు గమనించవచ్చు.

ఉదాహరణ # 03

ఈ కోడ్‌లోని “Programming_data”లో “P_Languages” ఉంది, ఇక్కడ మేము “JavaScript, CSS, Web Engineering, OOP, C#, AI, Java మరియు JavaScript”ని జోడించాము. అప్పుడు, మనకు 'గంటలు' ఉన్నాయి, అందులో మనం '4_గం, 2_గం, 3_గం, 7_గం, 6_గం, 5_గం, 8_గం, మరియు 6_గం'లను ఉంచుతాము. దీని తర్వాత, 'P_Code' నమోదు చేయబడుతుంది మరియు మేము '11523, 12423, 12321, 11456, 11454, 12267, 13106 మరియు 14123'లను ఇన్సర్ట్ చేస్తాము. మేము “p_index” వేరియబుల్‌ని జోడించి, “Pro_A, Pro_B, Pro_C, Pro_D, Pro_E, Pro_F, Pro_G మరియు Pro_H”ని ఉంచాము.

ఈ విలువలు అడ్డు వరుసల సూచిక విలువలుగా ఉపయోగించబడతాయి. మేము 'Programming_df' DataFrameలో 'Programming_data'ని మారుస్తాము. మేము “ఇండెక్స్” పద్ధతిని ఉపయోగించడం ద్వారా ఈ డేటాఫ్రేమ్‌కి “p_index”ని కూడా జోడిస్తాము. మేము 'Programming_df'ని ఉంచి, ఆపై 'సూచిక' పద్ధతిని ఉంచాము మరియు దీనికి 'p_index'ని కేటాయించాము. ఇప్పుడు, ఎగువ సూచిక విలువలు DataFrameకి వరుసల సూచిక విలువలుగా జోడించబడ్డాయి. మేము 'Programming_df'ని కూడా ప్రింట్ చేస్తాము.

దీని తర్వాత, మేము 'new_index' వేరియబుల్‌లో కొన్ని కొత్త సూచిక విలువలను జోడిస్తాము మరియు అవి 'P_1, P_2, P_3, P_4, P_5, P_6, P_7 మరియు P_8'. మేము అడ్డు వరుసల సూచిక విలువలను నవీకరించాలనుకుంటున్నాము, మేము “reindex()” పద్ధతిని ఉపయోగిస్తాము మరియు ఈ ఫంక్షన్ యొక్క పరామితిగా “new_index”ని ఉంచుతాము మరియు నవీకరించబడిన డేటాఫ్రేమ్‌ను “newProgramming_df”లో నిల్వ చేస్తాము మరియు “newProgramming_df”ని “లో ఉంచుతాము. ప్రదర్శించడం కోసం print()”.

సూచిక విలువలు నవీకరించబడ్డాయి మరియు మేము సృష్టించిన డేటాఫ్రేమ్‌ను మేము రీఇండెక్స్ చేసాము అని కూడా చెప్పగలము. డేటాఫ్రేమ్ యొక్క అన్ని విలువలు కూడా 'NaN'గా మార్చబడతాయి ఎందుకంటే రెండు సూచిక విలువలు భిన్నంగా ఉంటాయి.

ఉదాహరణ # 04

మేము ప్రస్తుతం నిలువు వరుసల 'Programming_df's' సూచిక విలువలను మారుస్తున్నాము, మేము మునుపు ఉదాహరణ 3లో అభివృద్ధి చేసాము. మేము 'నిలువు' వేరియబుల్‌ని ఉంచాము మరియు దానిలో కొత్త విలువలను చొప్పించాము. “P_Code, P_Languages, Hours, and New” “నిలువు వరుస” వేరియబుల్‌కు జోడించబడ్డాయి. అప్పుడు, మేము మళ్లీ “reindex()” పద్ధతిని ఉపయోగిస్తాము, దీనిలో మేము “నిలువు” వేరియబుల్‌ని సెట్ చేస్తాము, ఇది మునుపటి నిలువు వరుస సూచిక విలువలను నవీకరిస్తుంది మరియు ఈ కొత్త కాలమ్ ఇండెక్స్ విలువలను DataFrameకి జోడిస్తుంది.

ఇక్కడ, “నిలువు వరుస”లో మేము జోడించిన కొత్త విలువలు పైన పేర్కొన్న డేటాఫ్రేమ్‌లో జోడించిన విధంగానే ఉన్నాయని మీరు గమనించవచ్చు, కానీ క్రమం భిన్నంగా ఉంటుంది, కనుక ఇది నిలువు వరుసల క్రమాన్ని మారుస్తుంది మరియు అన్ని నిలువు వరుసలను మేము వలె సర్దుబాటు చేస్తుంది 'కాలమ్' వేరియబుల్‌లో పేర్కొనబడింది. అలాగే, మేము ఎగువ డేటాఫ్రేమ్‌లో లేని మరో ఇండెక్స్ విలువను జోడిస్తాము, అది ఇక్కడ “కొత్తది”, కాబట్టి “NaN” విలువలు ఈ నిలువు వరుసలో కనిపిస్తాయి.

నిలువు వరుసల క్రమం ఇక్కడ మార్చబడింది మరియు అన్ని విలువలు ఒరిజినల్ డేటాఫ్రేమ్ నిలువు వరుసలలో ఉన్నట్లుగా కనిపిస్తాయి మరియు నవీకరించబడిన డేటాఫ్రేమ్‌లోని 'కొత్త' కాలమ్ అన్ని 'NaN' విలువలను కలిగి ఉంటుంది ఎందుకంటే ఈ నిలువు వరుస అసలు డేటాఫ్రేమ్‌లో లేదు.

ముగింపు

మేము ఈ ట్యుటోరియల్‌ని అందించాము, ఇది “పాండాస్ రీండెక్స్” భావనను వివరంగా అర్థం చేసుకోవడంలో మాకు సహాయపడుతుంది. మేము డేటాఫ్రేమ్ యొక్క నిలువు వరుసను అలాగే వరుస సూచిక విలువలను ఎలా రీఇండెక్స్ చేయాలో చర్చించాము. దీన్ని చేయడానికి “పాండాలు” యొక్క “రీండెక్స్()” ఫంక్షన్ ఉపయోగించబడుతుందని మేము వివరించాము. మేము డేటాఫ్రేమ్ యొక్క వరుసల సూచిక విలువలను మరియు డేటాఫ్రేమ్ యొక్క నిలువు సూచిక యొక్క సూచిక విలువలను కూడా మార్చిన విభిన్న ఉదాహరణలను చేసాము. మేము ఇక్కడ చేసిన అన్ని కోడ్‌ల ఫలితాలను ఈ ట్యుటోరియల్‌లో అందించాము మరియు వాటిని లోతుగా వివరించాము.