“Dalam “pandas”, kita dapat menyimpan banyak informasi dalam bentuk tabel, yang juga dikenal sebagai DataFrame. “Panda” memfasilitasi kita dengan metode “DataFrame()” untuk membangun DataFrame. DataFrame berisi indeks, dan kita juga dapat mengubah indeks DataFrame dengan memanfaatkan fungsi 'pandas'. Metode yang kami gunakan untuk mengindeks ulang DataFrame adalah metode “reindex()”. Metode ini membantu dalam mengubah nilai indeks baris serta nilai indeks kolom. Dengan menggunakan metode ini, kita dapat mengubah indeks default DataFrame, dan juga, kita dapat mengubah indeks yang kita atur saat membuat DataFrame. Kami akan menggunakan metode 'reindex()' dalam contoh 'panda' kami dalam tutorial ini dan akan menjelaskan konsep ini secara mendalam di sini.'
Contoh #01
Alat 'Spyder' membantu kita dalam mengembangkan kode 'panda' di sini dalam tutorial ini, dan kita memulai kode kita dengan kata kunci 'impor', yang akan membantu dalam mengimpor fungsi 'panda'. Kami menempatkan 'pandas sebagai pd' setelah mengetik 'impor'. Setelah ini, kita membuat DataFrame dengan mengetikkan “pd.DataFrame()”. Kami menulis 'pd' ini di sini karena 'DataFrame()' adalah metode 'panda'. “value_df” adalah nama variabel tempat DataFrame disimpan. Kami menambahkan 'NamaAcak,' yang merupakan nama kolom, dan 'NamaAcak' berisi 'Thomas, Oscar, Lilly, Rowan, John, Bromley, Peter, Alexander, dan Samuel'.
Kemudian, kami memiliki 'Nilai_1,' di mana kami telah memasukkan '16, 29, 24, 35, 44, 50, 69, 74, dan 88'. Kemudian muncul 'Nilai_2,' dan kami telah menambahkan '25, 38, 42, 56, 54, 65, 78, 89, dan 99'. Sekarang, 'Nilai_3' muncul berikutnya, dan kami menempatkan '36, 48, 52, 69, 74, 75, 87, 91, dan 69' di dalamnya. Kolom “Value_4” hadir setelah ini, di mana kita telah memasukkan “52, 64, 72, 88, 82, 95, 97, 21, dan 39”. Kolom terakhir adalah kolom “Value_5” di sini, dan di kolom ini, nilai yang telah kita tambahkan adalah “66, 78, 82, 99, 34, 45, 57, 61, dan 89”. Setelah ini, kami menggunakan fungsi 'print()' di mana 'Values_df' ditambahkan. Ini akan dicetak di terminal.
Setelah menekan “Shift+Enter”, kita dapat dengan mudah mendapatkan hasil kode kita di aplikasi “Spyder”. Di sini, kode ini mengembalikan DataFrame dengan indeks default. Sekarang, kita akan menerapkan metode “reindex()” untuk mengindeks ulang DataFrame ini di “pandas”.
Fungsi 'reindex()' digunakan di sini untuk mengindeks ulang nilai indeks baris. Dalam DataFrame di atas, Anda dapat melihat bahwa nilai indeks default dari baris ditampilkan, dan sekarang, kami menerapkan metode 'reindex()' untuk mengindeks ulang indeks baris tersebut. Kami menempatkan nama DataFrame dan kemudian metode 'reindex()' di mana kami menempatkan nilai indeks yang ingin kami tambahkan ke DataFrame di atas. Kami menempatkan “ind_A, ind_B, ind_C, ind_D, ind_E, ind_F, ind_G, ind_H, dan ind_I” dalam fungsi “reindex()”. Jadi, indeks baris ini akan diperbarui di DataFrame saat kita mengeksekusi kode ini.
Nilai indeks baris ditampilkan dalam hasil ini, dan Anda dapat mencatat bahwa nilai DataFrame tidak ditampilkan di sini, dan nilai 'NaN' telah muncul. Ini karena nilai indeks baru tidak cocok dengan nilai indeks DataFrame sebelumnya. Ketika indeks baru dan indeks lama tidak cocok, maka akan ditampilkan 'Nan' di sana. Nilai “NaN” ini muncul secara default saat kita mengubah indeks, dan tidak cocok dengan indeks sebelumnya.
Contoh #02
Kita sekarang mengubah nilai indeks kolom dari “Value_df”, yang sebelumnya telah kita buat pada contoh 1. Setelah mencetak “Value_df”, kita menempatkan variabel “column” dan menambahkan beberapa nilai ke dalamnya. Kami menambahkan 'a_1, b_1, c_1, d_1, dan e_1'. Sekarang, kami ingin menyesuaikan nilai-nilai ini sebagai indeks kolom, jadi, untuk ini, kami menggunakan metode 'reindex()' dan menempatkan nama variabel 'kolom' di mana nilai indeks kolom baru disimpan dan juga mengatur 'sumbu' ke 'kolom' sehingga, itu akan memperbarui indeks sumbu kolom. Kami menempatkan metode 'reindex()' di 'print()', jadi itu juga akan dirender di terminal.
Karena kita telah menggunakan metode “reindex()”, nilai indeks kolom yang ada di DataFrame pertama diperbarui, dan nilai baru ditambahkan di DataFrame yang diperbarui. Anda juga dapat mencatat bahwa semua nilai DataFrame dikonversi menjadi “NaN” karena kedua nilai indeks kolom berbeda.
Contoh #03
'Programming_data' dalam kode ini berisi 'P_Languages,' di mana kami telah menambahkan 'JavaScript, CSS, Web Engineering, OOP, C#, AI, Java, dan JavaScript'. Kemudian, kami memiliki 'Jam' di mana kami menempatkan '4_jam, 2_jam, 3_jam, 7_jam, 6_jam, 5_jam, 8_jam, dan 6_jam'. Setelah ini, 'P_Code' dimasukkan, dan kami memasukkan '11523, 12423, 12321, 11456, 11454, 12267, 13106, dan 14123'. Kami menambahkan variabel 'p_index' dan menempatkan 'Pro_A, Pro_B, Pro_C, Pro_D, Pro_E, Pro_F, Pro_G, dan Pro_H'.
Nilai-nilai ini akan digunakan sebagai nilai indeks baris. Kami mengubah 'Programming_data' di DataFrame 'Programming_df'. Kami juga menambahkan 'p_index' ke DataFrame ini dengan menggunakan metode 'index'. Kami menempatkan 'Programming_df' dan kemudian metode 'indeks' dan menetapkan 'p_index' untuk ini. Sekarang, nilai indeks di atas ditambahkan sebagai nilai indeks baris ke DataFrame. Kami juga mencetak 'Programming_df'.
Setelah ini, kami menambahkan beberapa nilai indeks baru dalam variabel 'new_index', dan ini adalah 'P_1, P_2, P_3, P_4, P_5, P_6, P_7, dan P_8'. Karena kami ingin memperbarui nilai indeks baris, kami menggunakan metode 'reindex()' dan menempatkan 'new_index' sebagai parameter fungsi ini dan juga menyimpan DataFrame yang diperbarui di 'newProgramming_df' dan menempatkan 'newProgramming_df' di ' print()” untuk menampilkan.
Nilai indeks diperbarui, dan kami juga dapat mengatakan bahwa kami telah mengindeks ulang DataFrame yang telah kami buat. Semua nilai DataFrame juga dikonversi menjadi “NaN” karena kedua nilai indeks tersebut berbeda.
Contoh #04
Kami sedang mengubah nilai indeks kolom 'Programming_df', yang sebelumnya kami kembangkan dalam contoh 3. Kami menempatkan variabel 'kolom' dan memasukkan nilai baru ke dalamnya. “P_Code, P_Languages, Hours, and New” ditambahkan ke variabel “column”. Kemudian, kita kembali menggunakan metode “reindex()” di mana kita mengatur variabel “column”, yang akan memperbarui nilai indeks kolom sebelumnya dan menambahkan nilai indeks kolom baru ini ke DataFrame.
Di sini, Anda dapat mencatat bahwa nilai baru yang kami tambahkan di 'kolom' sama dengan yang kami tambahkan di DataFrame di atas, tetapi urutannya berbeda, sehingga akan mengubah urutan kolom dan menyesuaikan semua kolom seperti yang kita disebutkan dalam variabel 'kolom'. Juga, kami menambahkan satu lagi nilai indeks yang tidak ada di DataFrame di atas, yaitu 'Baru' di sini, sehingga nilai 'NaN' akan muncul di kolom ini.
Urutan kolom diubah di sini, dan semua nilai muncul seperti yang ada di kolom DataFrame asli dan kolom 'Baru' di DataFrame yang diperbarui berisi semua nilai 'NaN' karena kolom ini tidak ada di DataFrame asli.
Kesimpulan
Kami telah menyajikan tutorial ini yang membantu kami dalam memahami gagasan 'pengindeksan ulang panda' secara rinci. Kami telah membahas bagaimana kami dapat mengindeks ulang kolom DataFrame serta nilai indeks baris. Kami telah menjelaskan bahwa fungsi 'reindex()' dari 'panda' digunakan untuk melakukan ini. Kami telah melakukan berbagai contoh di mana kami telah mengubah nilai indeks baris DataFrame dan juga nilai indeks indeks kolom DataFrame. Kami telah memberikan hasil dari semua kode yang telah kami lakukan di sini dalam tutorial ini dan juga menjelaskannya secara mendalam.