🔑 Как привести столбцы к нижнему регистру в Pandas? Советы и руководство

Как привести столбцы к нижнему регистру в Pandas?

В Pandas для приведения столбцов к нижнему регистру можно воспользоваться методом str.lower().

import pandas as pd

# Создание примера DataFrame
df = pd.DataFrame({'Имя': ['Алексей', 'Иван', 'Мария'],
                   'Возраст': [25, 30, 28]})

# Приведение столбцов к нижнему регистру
df.columns = df.columns.str.lower()

print(df)

Результат:

       имя возраст
0  Алексей       25
1     Иван       30
2    Мария       28

Как привести столбцы к нижнему регистру в Pandas

Приветствую! В этой статье мы рассмотрим, как привести столбцы к нижнему регистру в Pandas, чтобы сделать их более удобными для работы. Эта операция полезна, когда вы хотите проводить операции сравнения или фильтрации на основе значений в столбцах без учета регистра.

Для начала нам понадобится импортировать библиотеку Pandas:

import pandas as pd

Предположим, у нас есть DataFrame с некоторыми столбцами, имена которых содержат заглавные буквы:

data = {'Имя': ['Аня', 'Борис', 'Катя'],
            'Возраст': [25, 30, 35],
            'Город': ['Москва', 'Санкт-Петербург', 'Казань']}
df = pd.DataFrame(data)

Мы можем использовать метод rename() и передать словарь с маппингом старых и новых имен столбцов, приведя новые имена столбцов к нижнему регистру:

df = df.rename(columns=lambda x: x.lower())

Теперь столбцы в DataFrame будут иметь названия в нижнем регистре:

print(df)

Вывод:

     имя  возраст            город
0    Аня      25          Москва
1  Борис      30  Санкт-Петербург
2   Катя      35          Казань

Также можно использовать атрибут columns и присвоить ему новое значение, в котором все имена столбцов приведены к нижнему регистру:

df.columns = df.columns.str.lower()

Вы можете использовать любой из этих методов для приведения столбцов к нижнему регистру в Pandas в соответствии с вашими предпочтениями и потребностями.

Надеюсь, этот пост был полезен и помог вам понять, как привести столбцы к нижнему регистру в Pandas. Если у вас возникли вопросы, не стесняйтесь задавать их. Удачи в изучении Pandas!