Si no funciona el botó podeu copiar el següent enllaç

[1]:

import pandas as pd

4 - Modificació

A més de fer seleccions, en alguns moments necessitarem incorporar nova informació a les nostres taules de dades.

[2]:

df2 = pd.DataFrame([('Foreign Cinema', 'Restaurant', 289.0),
                   ('Liho Liho', 'Restaurant', 224.0),
                   ('500 Club', 'bar', 80.5),
                   ('The Square', 'bar', 25.30)],
           columns=('name', 'type', 'AvgBill')
                 )
df2

[2]:

	name	type	AvgBill
0	Foreign Cinema	Restaurant	289.0
1	Liho Liho	Restaurant	224.0
2	500 Club	bar	80.5
3	The Square	bar	25.3

Afegir columnes

Tenim diverses maneres d’afegir columnes a un dataFrame:

Mitjançant el nom de la columna que volem afegir, tal com afegim una clau nova a un diccionari.
insert: és un mètode que necessita 3 paràmetres. La posició on volem afegir la columna (loc), el seu nom (column) i la llista de valors (value).
assign: molt semblant a l’anterior, però permet afegir múltiples columnes.

Vegem-ne alguns exemples:

[3]:

df2['Day'] = "Monday" # Com un diccionari
df2

[3]:

	name	type	AvgBill	Day
0	Foreign Cinema	Restaurant	289.0	Monday
1	Liho Liho	Restaurant	224.0	Monday
2	500 Club	bar	80.5	Monday
3	The Square	bar	25.3	Monday

[4]:

df2['Day'] = ['Monday', 'Tuesday', 'Wednesday', 'Thursday']
df2

[4]:

	name	type	AvgBill	Day
0	Foreign Cinema	Restaurant	289.0	Monday
1	Liho Liho	Restaurant	224.0	Tuesday
2	500 Club	bar	80.5	Wednesday
3	The Square	bar	25.3	Thursday

[5]:

#Emprarem el mètode insert. Indicant on volem inserir aquesta columna amb el paràmetre loc

df2.insert(loc=1, column="Stars", value=[2,2,3,4])
df2

[5]:

	name	Stars	type	AvgBill	Day
0	Foreign Cinema	2	Restaurant	289.0	Monday
1	Liho Liho	2	Restaurant	224.0	Tuesday
2	500 Club	3	bar	80.5	Wednesday
3	The Square	4	bar	25.3	Thursday

El mètode assing permet afegir múltiples columnes en una sola operació. És interessant veure que la columna anomenada AvgHalfBill és el resultat de dividir una columna entre 2.

[6]:

df3 = df2.assign(AvgHalfBill=df2.AvgBill / 2, Michelin_Star=3)
df3

[6]:

	name	Stars	type	AvgBill	Day	AvgHalfBill	Michelin_Star
0	Foreign Cinema	2	Restaurant	289.0	Monday	144.50	3
1	Liho Liho	2	Restaurant	224.0	Tuesday	112.00	3
2	500 Club	3	bar	80.5	Wednesday	40.25	3
3	The Square	4	bar	25.3	Thursday	12.65	3

Afegir files

Per afegir files a un dataframe tenim

concat: concatena dos o més dataFrames separats per comes.

[7]:

df_files = df2.copy() # Fem una còpia de tota la informació

#Cream un diccionari
fila = {"name":"Isaacs", "type":"bar" ,"AvgBill":[148.2], "day":"Friday"}

nou_df = pd.concat([df_files, pd.DataFrame(fila)])

[8]:

nou_df

[8]:

	name	Stars	type	AvgBill	Day	day
0	Foreign Cinema	2.0	Restaurant	289.0	Monday	NaN
1	Liho Liho	2.0	Restaurant	224.0	Tuesday	NaN
2	500 Club	3.0	bar	80.5	Wednesday	NaN
3	The Square	4.0	bar	25.3	Thursday	NaN
0	Isaacs	NaN	bar	148.2	NaN	Friday

Eliminar columnes i files

Molts cops tendrem la necessitat d’eliminar informació que no ens és interessant.

Columnes

Tenim el mètode drop que ens proporciona un nou dataFrame sense la(es) fila(es) o la(les) columna(es) que seleccionem. Si volem eliminar columnes podem fer-ho especificant la llista de columnes al paràmetre columns de la següent manera:

[9]:

df_no_michelin = df3.drop(columns=["Michelin_Star"]) # Eliminamos la última columna que hemos creado
df_no_michelin

[9]:

	name	Stars	type	AvgBill	Day	AvgHalfBill
0	Foreign Cinema	2	Restaurant	289.0	Monday	144.50
1	Liho Liho	2	Restaurant	224.0	Tuesday	112.00
2	500 Club	3	bar	80.5	Wednesday	40.25
3	The Square	4	bar	25.3	Thursday	12.65

Anem a veure com ha quedat el dataframe del qual hem eliminat una columna:

[10]:

df3

[10]:

	name	Stars	type	AvgBill	Day	AvgHalfBill	Michelin_Star
0	Foreign Cinema	2	Restaurant	289.0	Monday	144.50	3
1	Liho Liho	2	Restaurant	224.0	Tuesday	112.00	3
2	500 Club	3	bar	80.5	Wednesday	40.25	3
3	The Square	4	bar	25.3	Thursday	12.65	3

Files

Per poder eliminar files, fem servir la mateixa funció drop, aquesta vegada sense el paràmetre que hem fet servir anteriorment, simplement indiquem els índexs a eliminar:

[11]:

df_less_rows = df_no_michelin.drop([1,3])
df_less_rows

[11]:

	name	Stars	type	AvgBill	Day	AvgHalfBill
0	Foreign Cinema	2	Restaurant	289.0	Monday	144.50
2	500 Club	3	bar	80.5	Wednesday	40.25

Feines

Fer l’activitat 1.2 del homework