Summary  
This chapter shows how to use a DataFrame’s rename() method to change one or more column names and then inspect the updated names via the columns attribute.  

General domain of usage  
Data analysis

I forrige kapittel håndterte du feilverdier i en kolonne. Dette er et godt tidspunkt for å rette opp eventuelle endringer. I vårt tilfelle kan vi gi kolonnen et nytt navn for å markere at den er endret.

For å gi en kolonne nytt navn, bruk metoden `.rename()`. Se på eksemplet der vi gir kolonnen `'Survived'` nytt navn, og deretter skriver ut kolonnenavnene.

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)

**Forklaring:**

```python
.rename(columns = {'Survived': 'Survived_Passenger'}, inplace = True)
```
- `.rename()` – en metode som brukes på datasettet for å endre kolonnenavn;
- `columns = {'Survived': 'Survived_Passenger'}` – i krøllparentesene angir du alle kolonner og deres nye navn. I dette tilfellet ga vi bare én kolonne nytt navn, men du kan angi flere her, adskilt med komma.

`.columns` – et attributt som viser kolonnenavnene. I vårt tilfelle vil kolonnenavnet `'Survived'` ikke lenger være synlig.

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

Dette kurset inneholder mange nyttige funksjoner for en fremtidig dataanalytiker. Du vil lære ulike metoder for å hente ut data og til og med sette betingelser på dem. Etter dette vil du bli kjent med metoder for å gruppere data. Du vil også lære hvordan du forhåndsbehandler data. Hver seksjon har sitt eget datasett, noe som gjør kurset engasjerende.

Denne delen vil lære deg hvordan du kan hente ut spesifikke kolonner ved hjelp av titler eller indekser. Du vil også bli kjent med ulike metoder for å velge rader basert på indekser.

Her vil du lære hvordan du kan hente ut data som oppfyller spesifikke betingelser. Du vil også lære hvordan du kan kombinere dem og til og med lage dine egne.

I denne delen vil du utvide kunnskapen din om å sette ulike datakriterier. Du vil lære å kontrollere om dataene dine finnes i en definert liste med verdier eller mellom to verdier. Du vil også lære hvordan du finner de største og minste verdiene.

Denne delen er en av de mest interessante i kurset. Her lærer du hvordan du kan gruppere data på ulike måter. Dette vil hjelpe deg som dataanalytiker med å finne informasjon om spesifikke datagrupper.

Denne delen er en av de viktigste for en dataanalytiker fordi det vil være umulig å arbeide med data dersom de inneholder manglende verdier eller feil format. Her vil du lære hvordan du håndterer slike upassende verdier.

Gi Nytt Navn Til Kolonnen

Løsning

Awesome!

Gi Nytt Navn Til Kolonnen

Løsning