'பாண்டாக்கள்' இல், டேட்டாஃப்ரேம் என்றும் அழைக்கப்படும் அட்டவணை வடிவத்தில் நிறைய தகவல்களைச் சேமிக்க முடியும். DataFrame ஐ உருவாக்குவதற்கான “DataFrame()” முறையை “pandas” நமக்கு உதவுகிறது. DataFrame இல் குறியீடுகள் உள்ளன, மேலும் 'pandas' செயல்பாடுகளைப் பயன்படுத்தி DataFrame இன் குறியீடுகளையும் மாற்றலாம். DataFrameஐ மறுஇணையப்படுத்துவதற்கு நாம் பயன்படுத்தும் முறை “reindex()” முறையாகும். இந்த முறை வரிசையின் குறியீட்டு மதிப்புகள் மற்றும் நெடுவரிசைகளின் குறியீட்டு மதிப்புகளை மாற்ற உதவுகிறது. இந்த முறையைப் பயன்படுத்துவதன் மூலம், DataFrame இன் இயல்புநிலை குறியீட்டை மாற்றலாம், மேலும் DataFrame ஐ உருவாக்கும் போது நாம் அமைக்கும் குறியீட்டை மாற்றலாம். இந்த டுடோரியலில் எங்கள் 'பாண்டாஸ்' எடுத்துக்காட்டுகளில் 'reindex()' முறையைப் பயன்படுத்துவோம், மேலும் இந்த கருத்தை இங்கே ஆழமாக விளக்குவோம்.'
எடுத்துக்காட்டு # 01
இந்த டுடோரியலில் 'பாண்டாஸ்' குறியீட்டை உருவாக்க 'ஸ்பைடர்' கருவி உதவுகிறது, மேலும் 'இறக்குமதி' என்ற முக்கிய வார்த்தையுடன் எங்கள் குறியீட்டைத் தொடங்குகிறோம், இது 'பாண்டாஸ்' செயல்பாட்டை இறக்குமதி செய்ய உதவும். 'இறக்குமதி' என்று தட்டச்சு செய்த பிறகு 'pandas as pd' ஐ வைக்கிறோம். இதற்குப் பிறகு, 'pd.DataFrame()' என தட்டச்சு செய்து DataFrame ஐ உருவாக்குகிறோம். 'DataFrame()' என்பது 'pandas' முறை என்பதால் இந்த 'pd' ஐ இங்கு எழுதுகிறோம். 'value_df' என்பது DataFrame சேமிக்கப்படும் மாறியின் பெயர். 'RandomName' என்பதை நெடுவரிசைப் பெயராகச் சேர்க்கிறோம், மேலும் 'RandomName' இல் 'Thomas, Oscar, Lilly, Rowan, John, Bromley, Peter, Alexander, and Samuel' உள்ளது.
பின்னர், எங்களிடம் “மதிப்பு_1” உள்ளது, அதில் “16, 29, 24, 35, 44, 50, 69, 74 மற்றும் 88” ஐச் செருகியுள்ளோம். பின்னர் 'மதிப்பு_2' வருகிறது, மேலும் '25, 38, 42, 56, 54, 65, 78, 89 மற்றும் 99' ஐச் சேர்த்துள்ளோம். இப்போது, “மதிப்பு_3” அடுத்ததாக வருகிறது, அதில் “36, 48, 52, 69, 74, 75, 87, 91 மற்றும் 69” ஐ வைக்கிறோம். இதற்குப் பிறகு 'மதிப்பு_4' நெடுவரிசை உள்ளது, அங்கு '52, 64, 72, 88, 82, 95, 97, 21 மற்றும் 39' ஆகியவற்றைச் செருகியுள்ளோம். கடைசி நெடுவரிசை இங்கே “மதிப்பு_5” நெடுவரிசையாகும், மேலும் இந்த நெடுவரிசையில், நாங்கள் சேர்த்த மதிப்புகள் “66, 78, 82, 99, 34, 45, 57, 61 மற்றும் 89” ஆகும். இதற்குப் பிறகு, 'Values_df' சேர்க்கப்படும் 'print()' செயல்பாட்டைப் பயன்படுத்துகிறோம். இது முனையத்தில் அச்சிடப்படும்.
'Shift+Enter' ஐ அழுத்திய பிறகு, 'Spyder' பயன்பாட்டில் நமது குறியீடுகளின் முடிவை எளிதாகப் பெறலாம். இங்கே, இந்த குறியீடு டேட்டாஃப்ரேமை இயல்புநிலை குறியீட்டுடன் வழங்குகிறது. இப்போது, இந்த DataFrame ஐ 'pandas' இல் மறு அட்டவணைப்படுத்துவதற்கு 'reindex()' முறையைப் பயன்படுத்துவோம்.
வரிசையின் குறியீட்டு மதிப்பை மறுஅட்டவணை செய்ய “reindex()” செயல்பாடு இங்கு பயன்படுத்தப்படுகிறது. மேலே உள்ள DataFrame இல், வரிசையின் இயல்புநிலை குறியீட்டு மதிப்புகள் காட்டப்படுவதைக் காணலாம், இப்போது, அந்த வரிசைக் குறியீடுகளை மறுஇணையப்படுத்துவதற்கு “reindex()” முறையைப் பயன்படுத்துகிறோம். DataFrame இன் பெயரை வைக்கிறோம், பின்னர் மேலே உள்ள DataFrame இல் சேர்க்க விரும்பும் குறியீட்டு மதிப்புகளை வைக்கும் 'reindex()' முறை. 'reindex()' செயல்பாட்டில் 'ind_A, ind_B, ind_C, ind_D, ind_E, ind_F, ind_G, ind_H மற்றும் ind_I' ஐ வைக்கிறோம். எனவே, இந்தக் குறியீட்டை இயக்கும்போது, இந்த வரிசைகளின் குறியீடுகள் DataFrame இல் புதுப்பிக்கப்படும்.
வரிசையின் குறியீட்டின் மதிப்புகள் இந்த முடிவில் காட்டப்படும், மேலும் DataFrame மதிப்புகள் இங்கு காட்டப்படவில்லை, மேலும் 'NaN' மதிப்புகள் தோன்றியிருப்பதை நீங்கள் கவனிக்கலாம். ஏனெனில் புதிய குறியீட்டு மதிப்புகள் DataFrame இன் முந்தைய குறியீட்டு மதிப்புகளுடன் பொருந்தவில்லை. புதிய குறியீட்டு மற்றும் பழைய குறியீடு பொருந்தவில்லை என்றால், அது அங்கு 'Nan' என்பதைக் காட்டுகிறது. நாம் குறியீட்டை மாற்றும்போது இந்த 'NaN' மதிப்புகள் இயல்பாகவே தோன்றும், மேலும் இது முந்தைய குறியீட்டுடன் பொருந்தவில்லை.
எடுத்துக்காட்டு # 02
எடுத்துக்காட்டாக 1 இல் நாங்கள் உருவாக்கிய 'Value_df' இன் நெடுவரிசை குறியீட்டு மதிப்புகளை இப்போது மாற்றுகிறோம். 'Value_df' ஐ அச்சிட்ட பிறகு, 'நெடுவரிசை' மாறியை வைத்து அதில் சில மதிப்புகளைச் சேர்த்துள்ளோம். நாங்கள் 'a_1, b_1, c_1, d_1 மற்றும் e_1' ஐச் சேர்க்கிறோம். இப்போது, இந்த மதிப்புகளை நெடுவரிசைகளின் குறியீடாக சரிசெய்ய விரும்புகிறோம், எனவே, இதற்காக, 'reindex()' முறையைப் பயன்படுத்துகிறோம், மேலும் புதிய நெடுவரிசை குறியீட்டு மதிப்புகள் சேமிக்கப்படும் 'நெடுவரிசை' என்ற மாறியின் பெயரை வைக்கிறோம். மேலும் 'அச்சு' ஐ 'நெடுவரிசைகள்' என அமைக்கவும், அது நெடுவரிசை அச்சு குறியீட்டை புதுப்பிக்கும். “reindex()” முறையை “print()” இல் வைக்கிறோம், எனவே அது முனையத்திலும் ரெண்டர் செய்யும்.
நாம் “reindex()” முறையைப் பயன்படுத்தியதால், முதல் DataFrame இல் இருக்கும் நிரல் குறியீட்டு மதிப்புகள் புதுப்பிக்கப்பட்டு, புதுப்பிக்கப்பட்ட DataFrame இல் புதிய மதிப்புகள் சேர்க்கப்படும். DataFrame இன் அனைத்து மதிப்புகளும் 'NaN' ஆக மாற்றப்படுகின்றன என்பதை நீங்கள் கவனிக்கலாம், ஏனெனில் நெடுவரிசைகளின் இரண்டு குறியீட்டு மதிப்புகளும் வேறுபட்டவை.
எடுத்துக்காட்டு # 03
இந்தக் குறியீட்டில் உள்ள “Programming_data” இல் “P_Languages” உள்ளது, அதில் “JavaScript, CSS, Web Engineering, OOP, C#, AI, Java மற்றும் JavaScript” ஆகியவற்றைச் சேர்த்துள்ளோம். பின்னர், எங்களிடம் 'மணிநேரம்' உள்ளது, அதில் '4_hrs, 2_hrs, 3_hrs, 7_hrs, 6_hrs, 5_hrs, 8_hrs, மற்றும் 6_hrs' ஆகியவற்றை வைக்கிறோம். இதற்குப் பிறகு, “P_Code” உள்ளிடப்பட்டு, “11523, 12423, 12321, 11456, 11454, 12267, 13106 மற்றும் 14123” ஐச் செருகுவோம். நாங்கள் 'p_index' மாறியைச் சேர்த்து, 'Pro_A, Pro_B, Pro_C, Pro_D, Pro_E, Pro_F, Pro_G மற்றும் Pro_H' ஆகியவற்றை வைக்கிறோம்.
இந்த மதிப்புகள் வரிசைகளின் குறியீட்டு மதிப்புகளாகப் பயன்படுத்தப்படும். 'Programming_df' DataFrame இல் 'Programming_data' ஐ மாற்றுவோம். 'index' முறையைப் பயன்படுத்தி இந்த DataFrame இல் 'p_index' ஐயும் சேர்க்கிறோம். 'Programming_df' மற்றும் 'index' முறையை வைத்து, இதற்கு 'p_index' ஐ ஒதுக்குகிறோம். இப்போது, மேலே உள்ள குறியீட்டு மதிப்புகள் DataFrame இல் வரிசை குறியீட்டு மதிப்புகளாக சேர்க்கப்பட்டுள்ளன. நாங்கள் “Programming_df” ஐயும் அச்சிடுகிறோம்.
இதற்குப் பிறகு, 'new_index' மாறியில் சில புதிய குறியீட்டு மதிப்புகளைச் சேர்ப்போம், இவை 'P_1, P_2, P_3, P_4, P_5, P_6, P_7 மற்றும் P_8'. வரிசைகளின் குறியீட்டு மதிப்புகளைப் புதுப்பிக்க விரும்புவதால், “reindex()” முறையைப் பயன்படுத்துகிறோம், மேலும் இந்தச் செயல்பாட்டின் அளவுருவாக “new_index” ஐ வைத்து, புதுப்பிக்கப்பட்ட DataFrame ஐ “newProgramming_df” இல் சேமித்து, “newProgramming_df” ஐ “இல் வைக்கிறோம். அச்சு()” காட்டுவதற்கு.
குறியீட்டு மதிப்புகள் புதுப்பிக்கப்பட்டுள்ளன, மேலும் நாம் உருவாக்கிய டேட்டாஃப்ரேமை மீண்டும் அட்டவணைப்படுத்தியுள்ளோம் என்றும் கூறலாம். டேட்டாஃப்ரேமின் அனைத்து மதிப்புகளும் 'NaN' ஆக மாற்றப்படுகின்றன, ஏனெனில் இரண்டு குறியீட்டு மதிப்புகளும் வேறுபட்டவை.
எடுத்துக்காட்டு # 04
நாங்கள் ஏற்கனவே எடுத்துக்காட்டாக 3 இல் உருவாக்கிய நெடுவரிசைகளின் 'Programming_df's' இன் இன்டெக்ஸ் மதிப்புகளை தற்போது மாற்றுகிறோம். 'நெடுவரிசை' மாறியை வைத்து அதில் புதிய மதிப்புகளைச் செருகுவோம். 'P_Code, P_Languages, Hours மற்றும் New' ஆனது 'column' மாறியில் சேர்க்கப்பட்டது. பின்னர், 'நெடுவரிசை' மாறியை அமைக்கும் 'reindex()' முறையை மீண்டும் பயன்படுத்துகிறோம், இது முந்தைய நெடுவரிசை குறியீட்டு மதிப்புகளைப் புதுப்பித்து, இந்த புதிய நெடுவரிசை குறியீட்டு மதிப்புகளை DataFrame இல் சேர்க்கும்.
இங்கே, 'நெடுவரிசையில்' நாம் சேர்த்த புதிய மதிப்புகள் மேலே உள்ள DataFrame இல் சேர்த்தது போலவே இருப்பதை நீங்கள் கவனிக்கலாம், ஆனால் வரிசை வேறுபட்டது, எனவே இது நெடுவரிசைகளின் வரிசையை மாற்றி, எல்லா நெடுவரிசைகளையும் சரி செய்யும். 'நெடுவரிசை' மாறியில் குறிப்பிடப்பட்டுள்ளது. மேலும், மேலே உள்ள DataFrame இல் இல்லாத மேலும் ஒரு குறியீட்டு மதிப்பைச் சேர்ப்போம், அது இங்கே 'புதியது', எனவே 'NaN' மதிப்புகள் இந்த நெடுவரிசையில் தோன்றும்.
நெடுவரிசைகளின் வரிசை இங்கே மாற்றப்பட்டுள்ளது, மேலும் அனைத்து மதிப்புகளும் அசல் DataFrame இன் நெடுவரிசைகளில் இருப்பது போல் தோன்றும் மற்றும் புதுப்பிக்கப்பட்ட DataFrame இல் உள்ள 'புதிய' நெடுவரிசை அனைத்து 'NaN' மதிப்புகளையும் கொண்டுள்ளது, ஏனெனில் இந்த நெடுவரிசை அசல் DataFrame இல் இல்லை.
முடிவுரை
இந்த டுடோரியலை நாங்கள் வழங்கியுள்ளோம், இது 'பாண்டாஸ் ரீஇண்டெக்ஸ்' கருத்தை விரிவாகப் புரிந்துகொள்ள உதவுகிறது. DataFrame இன் நெடுவரிசை மற்றும் வரிசையின் குறியீட்டு மதிப்புகளை எவ்வாறு மறுஇணையப்படுத்துவது என்பதை நாங்கள் விவாதித்தோம். இதைச் செய்வதற்கு “பாண்டாஸ்” இன் “ரீஇண்டெக்ஸ்()” செயல்பாடு பயன்படுத்தப்படுகிறது என்பதை நாங்கள் விளக்கியுள்ளோம். DataFrame இன் வரிசைகளின் குறியீட்டு மதிப்புகள் மற்றும் DataFrame இன் நெடுவரிசை குறியீட்டின் குறியீட்டு மதிப்புகளை மாற்றிய பல்வேறு எடுத்துக்காட்டுகளை நாங்கள் செய்துள்ளோம். இந்த டுடோரியலில் நாங்கள் செய்த அனைத்து குறியீடுகளின் முடிவுகளையும் நாங்கள் வழங்கியுள்ளோம், மேலும் அவற்றை ஆழமாக விளக்கியுள்ளோம்.