Summary  
This chapter explains how to use the DataFrame.rename method to change column names by passing a dictionary of old-to-new mappings and optionally applying changes in place.  

General domain of usage  
Data analysis and preprocessing with tabular datasets.

Edellisessä luvussa käsittelit virheellisiä arvoja sarakkeessa. Nyt on erinomainen hetki tehdä tarvittavat muutokset. Tässä tapauksessa voimme nimetä sarakkeen uudelleen korostaaksemme, että sitä on muokattu.



Watch this video for a step-by-step walkthrough of renaming columns in pandas. You will see how to use the `.rename()` method to change column names, including practical examples like renaming `'Survived'` to `'Survived_Passenger'` and `'Fare'` to `'Fare_fixed'`. This visual guide will help you understand the syntax, arguments, and best practices for updating column names in your DataFrame.

Sarakkeen uudelleennimeämiseen käytetään `.rename()`-metodia. Tarkastele esimerkkiä, jossa nimeämme sarakkeen `'Survived'` uudelleen ja tulostamme sitten sarakkeiden nimet.

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic4.csv', index_col = 0)
data.rename(columns = {'Survived': 'Survived_Passenger'}, inplace = True)
print(data.columns)

**Selitys:**

```python
.rename(columns = {'Survived': 'Survived_Passenger'}, inplace = True)
```
- `.rename()` – metodi, jota käytetään tietojoukolle sarakkeiden nimien uudelleennimeämiseen;
- `columns = {'Survived': 'Survived_Passenger'}` – aaltosulkeissa määritellään kaikki sarakkeet ja niiden uudet nimet. Tässä tapauksessa uudelleennimettiin vain yksi sarake, mutta voit lisätä useita sarakkeita pilkulla erotettuna.

`.columns` – attribuutti, joka näyttää sarakkeiden nimet. Tässä tapauksessa sarakkeen nimeä `'Survived'` ei enää näy.

import unittest
import pandas as pd
import io
import sys


def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)


class TestRenameColumn(unittest.TestCase):
    def test_column_renamed(self):
        """
        1. Check that the column 'Fare' was renamed to 'Fare_fixed'.
        """
        import user_code

        url = "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic4.csv"
        df_ref = pd.read_csv(url, index_col=0)

        assert hasattr(user_code, "data"), "Variable 'data' not found."
        df_user = user_code.data

        # Check if 'Fare_fixed' present and 'Fare' removed
        condition = "Fare_fixed" in df_user.columns and "Fare" not in df_user.columns
        _dynamic_test(
            self,
            condition,
            "The column 'Fare' has been successfully renamed to 'Fare_fixed'.",
            "The column renaming is incorrect. Ensure you renamed 'Fare' to 'Fare_fixed' with inplace=True."
        )


class TestOutput(unittest.TestCase):
    def test_output_columns(self):
        """
        2. Check that all column names were printed.
        """
        import user_code

        captured_output = io.StringIO()
        sys.stdout = captured_output
        print(user_code.data.columns)
        sys.stdout = sys.__stdout__

        output_text = captured_output.getvalue().strip()
        condition = "Fare_fixed" in output_text
        _dynamic_test(
            self,
            condition,
            "The column names are printed correctly and include 'Fare_fixed'.",
            "The output is missing or incorrect. Ensure you print(data.columns)."
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

Tämä kurssi sisältää runsaasti hyödyllisiä toimintoja tulevalle data-analyytikolle. Opit erilaisia tapoja tietojen poimimiseen ja voit jopa asettaa niille ehtoja. Tämän jälkeen tulet tutuksi tietojen ryhmittelymenetelmien kanssa. Lisäksi opit, kuinka esikäsitellä tietoja. Jokaisessa osiossa on oma tietoaineistonsa, joten kurssi on mukaansatempaava.

Tässä osiossa opit, kuinka voit tulostaa tiettyjä sarakkeita niiden nimien tai indeksien perusteella. Lisäksi tutustut tapoihin, joilla voit valita rivejä indeksien avulla.

Tässä opit, kuinka voit poimia dataa, jolla on tietyt ehdot. Opit myös, kuinka yhdistää näitä ehtoja ja jopa luoda omia ehtoja.

Tässä osiossa laajennat tietämystäsi erilaisten datan ehtojen asettamisesta. Opit tarkistamaan, onko datasi määritellyssä arvolistassa tai kahden arvon välillä. Opit myös löytämään suurimmat ja pienimmät arvot.

Tämä osio on yksi kurssin kiehtovimmista. Tässä opit ryhmittelemään dataa eri tavoilla. Tämä auttaa sinua työskentelemään data-analyytikkona ja löytämään tietoa tietyistä dataryhmistä.

Tämä osio on yksi tärkeimmistä data-analyytikolle, koska jos data sisältää puuttuvia arvoja tai on väärässä muodossa, sen kanssa työskentely on mahdotonta. Tässä opit käsittelemään tällaisia sopimattomia arvoja.

Sarakkeen Uudelleennimeäminen

Ratkaisu