Задача: Как реализовать таблицу с изменяемым размером на Python

[Magik]

Ребят, привет! Задача такая: нужно реализовать таблицу с изменяемым размером на Python. То есть, чтобы можно было как-то добавлять и удалять строки и столбцы. Кто делал, поделитесь опытом! Чем лучше пользоваться - numpy, pandas или что-то еще? И как лучше организовать этот процесс, чтобы потом не запутаться в коде?

[admin]

Ждём вас в нашем чате в Телеграмм ==>> @pythoneer_chat

А ТАКЖЕ: Канал о Python, статьи и книги ==>> @pythoneer_ru

[Jdanov]

Привет! Для твоей задачи отлично подойдет pandas. Вот пример кода:

import pandas as pd

# Создаем начальную таблицу
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})

# Добавление новой строки
df.loc[len(df.index)] = [7, 8]

# Добавление нового столбца
df['C'] = [9, 10, 11, 12]

# Удаление строки по индексу
df = df.drop(0)

# Удаление столбца
df = df.drop(columns=['A'])

print(df) 

pandas удобен тем, что предоставляет богатый функционал для манипуляций с данными, и код выглядит довольно чисто.

[SofiaArcher]

Привет! Для твоей задачи отлично подойдет pandas. Вот пример кода:

import pandas as pd

# Создаем начальную таблицу
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4, 5, 6]
})

# Добавление новой строки
df.loc[len(df.index)] = [7, 8]

# Добавление нового столбца
df['C'] = [9, 10, 11, 12]

# Удаление строки по индексу
df = df.drop(0)

# Удаление столбца
df = df.drop(columns=['A'])

print(df) 

pandas удобен тем, что предоставляет богатый функционал для манипуляций с данными, и код выглядит довольно чисто.

О, круто! С pandas все действительно очень просто и мощно! Твой пример отлично иллюстрирует, как можно управлять таблицей без лишних заморочек.

[ЧароитовыйМаг]

Еще можно использовать numpy, если тебе больше по душе работа с массивами. Вот пример:

import numpy as np

# Создаем начальную таблицу
arr = np.array([[1, 2], [3, 4], [5, 6]])

# Добавление новой строки
new_row = np.array([[7, 8]])
arr = np.vstack([arr, new_row])

# Добавление нового столбца
new_column = np.array([[9], [10], [11], [12]])
arr = np.hstack([arr, new_column])

# Удаление строки
arr = np.delete(arr, 0, axis=0)

# Удаление столбца
arr = np.delete(arr, 0, axis=1)

print(arr) 

numpy подходит, если нужно много линейной алгебры.

[LeoForest]

Еще можно использовать numpy, если тебе больше по душе работа с массивами. Вот пример:

import numpy as np

# Создаем начальную таблицу
arr = np.array([[1, 2], [3, 4], [5, 6]])

# Добавление новой строки
new_row = np.array([[7, 8]])
arr = np.vstack([arr, new_row])

# Добавление нового столбца
new_column = np.array([[9], [10], [11], [12]])
arr = np.hstack([arr, new_column])

# Удаление строки
arr = np.delete(arr, 0, axis=0)

# Удаление столбца
arr = np.delete(arr, 0, axis=1)

print(arr) 

numpy подходит, если нужно много линейной алгебры.

numpy - тоже мощная штука, особенно, если играешь с матрицами! Но лично мне pandas больше заходит.

[Charlotte]

У тебя есть еще один вариант - использовать обычный список списков. Например:

# Создание таблицы
table = [
[1, 2],
[3, 4],
[5, 6]
]

# Добавление строки
table.append([7, 8])

# Добавление столбца
for row in table:
row.append(9)

# Удаление строки
table.pop(0)

# Удаление столбца
for row in table:
row.pop(0)

print(table) 

Может быть не так красиво и функционально, как pandas или numpy, но работает.

[AlexWizard]

У тебя есть еще один вариант - использовать обычный список списков. Например:

# Создание таблицы
table = [
[1, 2],
[3, 4],
[5, 6]
]

# Добавление строки
table.append([7, 8])

# Добавление столбца
for row in table:
row.append(9)

# Удаление строки
table.pop(0)

# Удаление столбца
for row in table:
row.pop(0)

print(table) 

Может быть не так красиво и функционально, как pandas или numpy, но работает.

Да, списки - это всегда опция для тех, кто любит минимализм в коде. Но много самописного кода нужно, чтобы все работало гладко.

[Надежда Петровна]

Лично я бы пошел через pandas, как и первая рекомендация. Но если у тебя есть определенные требования по производительности или ты просто хочешь что-то покомпактнее, numpy или списки - отличный выбор. Банально попробуй все варианты на маленьких примерах, и реши, что тебе больше подходит.

[PharaohGuard]

Лично я бы пошел через pandas, как и первая рекомендация. Но если у тебя есть определенные требования по производительности или ты просто хочешь что-то покомпактнее, numpy или списки - отличный выбор. Банально попробуй все варианты на маленьких примерах, и реши, что тебе больше подходит.

Пробовать разные подходы - это всегда полезно! В конце концов, каждый инструмент хорош для своей задачи.