Замените столбец, содержащий значения «да» и «нет» на True и False в Python-Pandas
Давайте обсудим программу для изменения значений из столбца, который содержит значения «ДА» и «НЕТ» на ИСТИНА и ЛОЖЬ .
Во-первых, давайте посмотрим на набор данных.
Code:
Python3
# import pandas libraryimport pandas as pd # load csv filedf = pd.read_csv("supermarkets.csv") # show the dataframedf |
Выход :

Чтобы загрузить использованный CSV-файл, нажмите здесь.
Теперь давайте посмотрим, как выполнить эту задачу несколькими способами:
Метод 1: Использование Series.map () .
Этот метод используется для сопоставления значений из двух серий, имеющих один и тот же столбец.
Syntax: Series.map(arg, na_action=None).
Return type: Pandas Series with the same as an index as a caller.
Example: Replace the ‘commissioned’ column contains the values ‘yes’ and ‘no’ with True and False.
Code:
Python3
# import pandas libraryimport pandas as pd # load csv filedf = pd.read_csv("supermarkets.csv") # replace the ‘commissioned" column contains# the values "yes" and "no" with # True and False:df["commissioned"] = df["commissioned"].map( {"yes":True ,"no":False}) # show the dataframedf |
Выход :

Метод 2: Использование DataFrame.replace () .
Этот метод используется для замены строки, регулярного выражения, списка, словаря, серии, числа и т. Д. Из фрейма данных.
Syntax: DataFrame.replace(to_replace=None, value=None, inplace=False, limit=None, regex=False, method=’pad’, axis=None)
Return type: Updated Data frame
Example: Replace the ‘commissioned’ column contains the values ‘yes’ and ‘no’ with True and False.
Code:
Python3
# import pandas libraryimport pandas as pd # load csv filedf = pd.read_csv("supermarkets.csv") # replace the ‘commissioned" column # contains the values "yes" and "no"# with True and False:df = df.replace({"commissioned": {"yes": True, "no": False}}) # show the dataframedf |
Выход:

Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.