{"id":3373,"date":"2021-07-23T11:56:17","date_gmt":"2021-07-23T11:56:17","guid":{"rendered":"https:\/\/www.bearloga.space\/?page_id=3373"},"modified":"2021-07-23T11:56:17","modified_gmt":"2021-07-23T11:56:17","slug":"python-pandas-pereindeksacziya","status":"publish","type":"page","link":"https:\/\/www.bearloga.space\/uk\/python-pandas-pereindeksacziya\/","title":{"rendered":"Python Pandas \u2014 \u043f\u0435\u0440\u0435\u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u044f"},"content":{"rendered":"\n<pre class=\"wp-block-code\"><code>\r\u041f\u0435\u0440\u0435\u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u044f \u0438\u0437\u043c\u0435\u043d\u044f\u0435\u0442 \u043c\u0435\u0442\u043a\u0438 \u0441\u0442\u0440\u043e\u043a \u0438 \u043c\u0435\u0442\u043e\u043a \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u0432 DataFrame.\n \u041f\u0435\u0440\u0435\u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u044f \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0438\u0435 \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u0438\u044f \u0437\u0430\u0434\u0430\u043d\u043d\u043e\u043c\u0443 \u043d\u0430\u0431\u043e\u0440\u0443 \u043c\u0435\u0442\u043e\u043a \u0432\u0434\u043e\u043b\u044c \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u0439 \u043e\u0441\u0438.\r\r\n\u041c\u043d\u043e\u0433\u043e\u043a\u0440\u0430\u0442\u043d\u044b\u0435 \u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438 \u043c\u043e\u0433\u0443\u0442 \u0431\u044b\u0442\u044c \u0432\u044b\u043f\u043e\u043b\u043d\u0435\u043d\u044b \u043f\u043e\u0441\u0440\u0435\u0434\u0441\u0442\u0432\u043e\u043c \u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u0438 \u043a\u0430\u043a \u2014\r\n\r\n\u0418\u0437\u043c\u0435\u043d\u0438\u0442\u044c \u043f\u043e\u0440\u044f\u0434\u043e\u043a \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445, \u0447\u0442\u043e\u0431\u044b \u043e\u043d\u0438 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u043e\u0432\u0430\u043b\u0438 \u043d\u043e\u0432\u043e\u043c\u0443 \u043d\u0430\u0431\u043e\u0440\u0443 \u043c\u0435\u0442\u043e\u043a.\r\n\r\n\u0412\u0441\u0442\u0430\u0432\u044c\u0442\u0435 \u043c\u0430\u0440\u043a\u0435\u0440\u044b \u043e\u0442\u0441\u0443\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0435\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f (NA) \u0432 \u0442\u0435 \u043c\u0435\u0441\u0442\u0430, \u0433\u0434\u0435 \u043d\u0435 \u0431\u044b\u043b\u043e \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043c\u0435\u0442\u043a\u0438.\r\n\r\n\u0418\u0437\u043c\u0435\u043d\u0438\u0442\u044c \u043f\u043e\u0440\u044f\u0434\u043e\u043a \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0445 \u0434\u0430\u043d\u043d\u044b\u0445, \u0447\u0442\u043e\u0431\u044b \u043e\u043d\u0438 \u0441\u043e\u043e\u0442\u0432\u0435\u0442\u0441\u0442\u0432\u043e\u0432\u0430\u043b\u0438 \u043d\u043e\u0432\u043e\u043c\u0443 \u043d\u0430\u0431\u043e\u0440\u0443 \u043c\u0435\u0442\u043e\u043a.\r\n\r\n\u0412\u0441\u0442\u0430\u0432\u044c\u0442\u0435 \u043c\u0430\u0440\u043a\u0435\u0440\u044b \u043e\u0442\u0441\u0443\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0435\u0433\u043e \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f (NA) \u0432 \u0442\u0435 \u043c\u0435\u0441\u0442\u0430, \u0433\u0434\u0435 \u043d\u0435 \u0431\u044b\u043b\u043e \u0434\u0430\u043d\u043d\u044b\u0445 \u0434\u043b\u044f \u043c\u0435\u0442\u043a\u0438.\r\n\r\n\u043f\u0440\u0438\u043c\u0435\u0440\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\nN=20\r\n\r\ndf = pd.DataFrame({\r\n   'A': pd.date_range(start='2016-01-01',periods=N,freq='D'),\r\n   'x': np.linspace(0,stop=N-1,num=N),\r\n   'y': np.random.rand(N),\r\n   'C': np.random.choice(&#91;'Low','Medium','High'],N).tolist(),\r\n   'D': np.random.normal(100, 10, size=(N)).tolist()\r\n})\r\n\r\n#reindex the DataFrame\r\ndf_reindexed = df.reindex(index=&#91;0,2,5], columns=&#91;'A', 'C', 'B'])\r\n\r\nprint df_reindexed\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n            A    C     B\r\n0  2016-01-01  Low   NaN\r\n2  2016-01-03  High  NaN\r\n5  2016-01-06  Low   NaN\r\n\u041f\u0435\u0440\u0435\u0438\u043d\u0434\u0435\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0434\u043b\u044f \u0432\u044b\u0440\u0430\u0432\u043d\u0438\u0432\u0430\u043d\u0438\u044f \u0441 \u0434\u0440\u0443\u0433\u0438\u043c\u0438 \u043e\u0431\u044a\u0435\u043a\u0442\u0430\u043c\u0438\r\n\u0412\u044b \u043c\u043e\u0436\u0435\u0442\u0435 \u0432\u0437\u044f\u0442\u044c \u043e\u0431\u044a\u0435\u043a\u0442 \u0438 \u043f\u0435\u0440\u0435\u0438\u043d\u0434\u0435\u043a\u0441\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u0435\u0433\u043e \u043e\u0441\u0438 \u0442\u0430\u043a, \u0447\u0442\u043e\u0431\u044b \u043e\u043d \u0431\u044b\u043b \u043f\u043e\u043c\u0435\u0447\u0435\u043d \u043a\u0430\u043a \u0434\u0440\u0443\u0433\u043e\u0439 \u043e\u0431\u044a\u0435\u043a\u0442. \u0420\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u043f\u0440\u0438\u043c\u0435\u0440, \u0447\u0442\u043e\u0431\u044b \u043f\u043e\u043d\u044f\u0442\u044c \u0442\u043e \u0436\u0435 \u0441\u0430\u043c\u043e\u0435.\r\n\r\n\u043f\u0440\u0438\u043c\u0435\u0440\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf1 = pd.DataFrame(np.random.randn(10,3),columns=&#91;'col1','col2','col3'])\r\ndf2 = pd.DataFrame(np.random.randn(7,3),columns=&#91;'col1','col2','col3'])\r\n\r\ndf1 = df1.reindex_like(df2)\r\nprint df1\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n          col1         col2         col3\r\n0    -2.467652    -1.211687    -0.391761\r\n1    -0.287396     0.522350     0.562512\r\n2    -0.255409    -0.483250     1.866258\r\n3    -1.150467    -0.646493    -0.222462\r\n4     0.152768    -2.056643     1.877233\r\n5    -1.155997     1.528719    -1.343719\r\n6    -1.015606    -1.245936    -0.295275\r\n\u041f\u0440\u0438\u043c\u0435\u0447\u0430\u043d\u0438\u0435. \u0417\u0434\u0435\u0441\u044c \u0444\u0440\u0435\u0439\u043c \u0434\u0430\u043d\u043d\u044b\u0445 df1 \u0438\u0437\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u0438 \u043f\u0435\u0440\u0435\u0438\u043d\u0434\u0435\u043a\u0441\u0438\u0440\u0443\u0435\u0442\u0441\u044f, \u043a\u0430\u043a \u0438 df2 . \u0418\u043c\u0435\u043d\u0430 \u0441\u0442\u043e\u043b\u0431\u0446\u043e\u0432 \u0434\u043e\u043b\u0436\u043d\u044b \u0441\u043e\u0432\u043f\u0430\u0434\u0430\u0442\u044c, \u0438\u043d\u0430\u0447\u0435 NAN \u0431\u0443\u0434\u0435\u0442 \u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d \u0434\u043b\u044f \u0432\u0441\u0435\u0439 \u043c\u0435\u0442\u043a\u0438 \u0441\u0442\u043e\u043b\u0431\u0446\u0430.\r\n\r\n\u0417\u0430\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435 \u043f\u0440\u0438 \u043f\u0435\u0440\u0435\u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u0438\r\n\u041c\u0435\u0442\u043e\u0434 reindex () \u043f\u0440\u0438\u043d\u0438\u043c\u0430\u0435\u0442 \u043c\u0435\u0442\u043e\u0434 \u043d\u0435\u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u0441\u043e\u0431\u043e\u0439 \u043c\u0435\u0442\u043e\u0434 \u0437\u0430\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u0441\u043e \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c\u0438 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f\u043c\u0438:\r\n\r\n \r\nDevOps-\u0438\u043d\u0436\u0435\u043d\u0435\u0440\r\npad \/ ffill \u2014 \u0437\u0430\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0432\u043f\u0435\u0440\u0435\u0434\r\n\r\nbfill \/ backfill \u2014 \u0437\u0430\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0437\u0430\u0434\u043e\u043c \u043d\u0430\u043f\u0435\u0440\u0435\u0434\r\n\r\n\u0431\u043b\u0438\u0436\u0430\u0439\u0448\u0438\u0439 \u2014 \u0437\u0430\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u0438\u0437 \u0431\u043b\u0438\u0436\u0430\u0439\u0448\u0438\u0445 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 \u0438\u043d\u0434\u0435\u043a\u0441\u0430\r\n\r\npad \/ ffill \u2014 \u0437\u0430\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0432\u043f\u0435\u0440\u0435\u0434\r\n\r\nbfill \/ backfill \u2014 \u0437\u0430\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u044f \u0437\u0430\u0434\u043e\u043c \u043d\u0430\u043f\u0435\u0440\u0435\u0434\r\n\r\n\u0431\u043b\u0438\u0436\u0430\u0439\u0448\u0438\u0439 \u2014 \u0437\u0430\u043f\u043e\u043b\u043d\u0438\u0442\u044c \u0438\u0437 \u0431\u043b\u0438\u0436\u0430\u0439\u0448\u0438\u0445 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0439 \u0438\u043d\u0434\u0435\u043a\u0441\u0430\r\n\r\n\u043f\u0440\u0438\u043c\u0435\u0440\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf1 = pd.DataFrame(np.random.randn(6,3),columns=&#91;'col1','col2','col3'])\r\ndf2 = pd.DataFrame(np.random.randn(2,3),columns=&#91;'col1','col2','col3'])\r\n\r\n# Padding NAN's\r\nprint df2.reindex_like(df1)\r\n\r\n# Now Fill the NAN's with preceding Values\r\nprint (\"Data Frame with Forward Fill:\")\r\nprint df2.reindex_like(df1,method='ffill')\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n         col1        col2       col3\r\n0    1.311620   -0.707176   0.599863\r\n1   -0.423455   -0.700265   1.133371\r\n2         NaN         NaN        NaN\r\n3         NaN         NaN        NaN\r\n4         NaN         NaN        NaN\r\n5         NaN         NaN        NaN\r\n\r\nData Frame with Forward Fill:\r\n         col1        col2        col3\r\n0    1.311620   -0.707176    0.599863\r\n1   -0.423455   -0.700265    1.133371\r\n2   -0.423455   -0.700265    1.133371\r\n3   -0.423455   -0.700265    1.133371\r\n4   -0.423455   -0.700265    1.133371\r\n5   -0.423455   -0.700265    1.133371\r\n\u041f\u0440\u0438\u043c\u0435\u0447\u0430\u043d\u0438\u0435 . \u041f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u0447\u0435\u0442\u044b\u0440\u0435 \u0441\u0442\u0440\u043e\u043a\u0438 \u0434\u043e\u043f\u043e\u043b\u043d\u044f\u044e\u0442\u0441\u044f.\r\n\r\n\u041e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u044f \u043d\u0430 \u043d\u0430\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435 \u043f\u0440\u0438 \u043f\u0435\u0440\u0435\u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u0438\r\n\u0410\u0440\u0433\u0443\u043c\u0435\u043d\u0442 limit \u043e\u0431\u0435\u0441\u043f\u0435\u0447\u0438\u0432\u0430\u0435\u0442 \u0434\u043e\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0440\u043e\u043b\u044c \u043d\u0430\u0434 \u0437\u0430\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u0435\u043c \u043f\u0440\u0438 \u043f\u0435\u0440\u0435\u0438\u043d\u0434\u0435\u043a\u0441\u0430\u0446\u0438\u0438. \u041b\u0438\u043c\u0438\u0442 \u043e\u043f\u0440\u0435\u0434\u0435\u043b\u044f\u0435\u0442 \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e\u0435 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e \u043f\u043e\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u0445 \u0441\u043e\u0432\u043f\u0430\u0434\u0435\u043d\u0438\u0439. \u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u043f\u0440\u0438\u043c\u0435\u0440, \u0447\u0442\u043e\u0431\u044b \u043f\u043e\u043d\u044f\u0442\u044c \u0442\u043e \u0436\u0435 \u0441\u0430\u043c\u043e\u0435 \u2014\r\n\r\n\u043f\u0440\u0438\u043c\u0435\u0440\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\n \r\ndf1 = pd.DataFrame(np.random.randn(6,3),columns=&#91;'col1','col2','col3'])\r\ndf2 = pd.DataFrame(np.random.randn(2,3),columns=&#91;'col1','col2','col3'])\r\n\r\n# Padding NAN's\r\nprint df2.reindex_like(df1)\r\n\r\n# Now Fill the NAN's with preceding Values\r\nprint (\"Data Frame with Forward Fill limiting to 1:\")\r\nprint df2.reindex_like(df1,method='ffill',limit=1)\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n         col1        col2        col3\r\n0    0.247784    2.128727    0.702576\r\n1   -0.055713   -0.021732   -0.174577\r\n2         NaN         NaN         NaN\r\n3         NaN         NaN         NaN\r\n4         NaN         NaN         NaN\r\n5         NaN         NaN         NaN\r\n\r\nData Frame with Forward Fill limiting to 1:\r\n         col1        col2        col3\r\n0    0.247784    2.128727    0.702576\r\n1   -0.055713   -0.021732   -0.174577\r\n2   -0.055713   -0.021732   -0.174577\r\n3         NaN         NaN         NaN\r\n4         NaN         NaN         NaN\r\n5         NaN         NaN         NaN\r\n\u041f\u0440\u0438\u043c\u0435\u0447\u0430\u043d\u0438\u0435. \u041e\u0431\u0440\u0430\u0442\u0438\u0442\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435, \u0447\u0442\u043e \u043f\u0440\u0435\u0434\u044b\u0434\u0443\u0449\u0430\u044f 6-\u044f \u0441\u0442\u0440\u043e\u043a\u0430 \u0437\u0430\u043f\u043e\u043b\u043d\u0435\u043d\u0430 \u0442\u043e\u043b\u044c\u043a\u043e \u0441\u0435\u0434\u044c\u043c\u043e\u0439 \u0441\u0442\u0440\u043e\u043a\u043e\u0439. \u0417\u0430\u0442\u0435\u043c \u0441\u0442\u0440\u043e\u043a\u0438 \u043e\u0441\u0442\u0430\u044e\u0442\u0441\u044f \u043a\u0430\u043a \u0435\u0441\u0442\u044c.\r\n\r\n\u041f\u0435\u0440\u0435\u0438\u043c\u0435\u043d\u043e\u0432\u0430\u043d\u0438\u0435\r\n\u041c\u0435\u0442\u043e\u0434 rename () \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u043f\u0435\u0440\u0435\u043c\u0430\u0440\u043a\u0438\u0440\u043e\u0432\u0430\u0442\u044c \u043e\u0441\u044c \u043d\u0430 \u043e\u0441\u043d\u043e\u0432\u0435 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u0441\u043e\u043f\u043e\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u0438\u044f (dict \u0438\u043b\u0438 Series) \u0438\u043b\u0438 \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u043b\u044c\u043d\u043e\u0439 \u0444\u0443\u043d\u043a\u0446\u0438\u0438.\r\n\r\n\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0440\u0430\u0441\u0441\u043c\u043e\u0442\u0440\u0438\u043c \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u0439 \u043f\u0440\u0438\u043c\u0435\u0440, \u0447\u0442\u043e\u0431\u044b \u043f\u043e\u043d\u044f\u0442\u044c \u044d\u0442\u043e \u2014\r\n\r\n Live Demo\r\n\r\nimport pandas as pd\r\nimport numpy as np\r\n\r\ndf1 = pd.DataFrame(np.random.randn(6,3),columns=&#91;'col1','col2','col3'])\r\nprint df1\r\n\r\nprint (\"After renaming the rows and columns:\")\r\nprint df1.rename(columns={'col1' : 'c1', 'col2' : 'c2'},\r\nindex = {0 : 'apple', 1 : 'banana', 2 : 'durian'})\r\n\u0415\u0433\u043e \u0432\u044b\u0432\u043e\u0434 \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u0441\u043b\u0435\u0434\u0443\u044e\u0449\u0438\u043c \u043e\u0431\u0440\u0430\u0437\u043e\u043c \u2014\r\n\r\n         col1        col2        col3\r\n0    0.486791    0.105759    1.540122\r\n1   -0.990237    1.007885   -0.217896\r\n2   -0.483855   -1.645027   -1.194113\r\n3   -0.122316    0.566277   -0.366028\r\n4   -0.231524   -0.721172   -0.112007\r\n5    0.438810    0.000225    0.435479\r\n\r\nAfter renaming the rows and columns:\r\n                c1          c2        col3\r\napple     0.486791    0.105759    1.540122\r\nbanana   -0.990237    1.007885   -0.217896\r\ndurian   -0.483855   -1.645027   -1.194113\r\n3        -0.122316    0.566277   -0.366028\r\n4        -0.231524   -0.721172   -0.112007\r\n5         0.438810    0.000225    0.435479\r\n\u041c\u0435\u0442\u043e\u0434 rename () \u043f\u0440\u0435\u0434\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0435\u0442 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440 \u0441 \u0438\u043c\u0435\u043d\u0435\u043c inplace , \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u043e \u0443\u043c\u043e\u043b\u0447\u0430\u043d\u0438\u044e \u0438\u043c\u0435\u0435\u0442 \u0437\u043d\u0430\u0447\u0435\u043d\u0438\u0435 False \u0438 \u043a\u043e\u043f\u0438\u0440\u0443\u0435\u0442 \u0431\u0430\u0437\u043e\u0432\u044b\u0435 \u0434\u0430\u043d\u043d\u044b\u0435. Pass inplace = True, \u0447\u0442\u043e\u0431\u044b \u043f\u0435\u0440\u0435\u0438\u043c\u0435\u043d\u043e\u0432\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0435 \u043d\u0430 \u043c\u0435\u0441\u0442\u0435.<\/code><\/pre>\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":2,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"categories":[109],"tags":[],"class_list":["post-3373","page","type-page","status-publish","hentry","category-python-pandas"],"jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/pages\/3373","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/comments?post=3373"}],"version-history":[{"count":0,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/pages\/3373\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/media?parent=3373"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/categories?post=3373"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.bearloga.space\/uk\/wp-json\/wp\/v2\/tags?post=3373"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}