Pandas DataFrame -skive

Pandas DataFrame -skive
“Open_source -biblioteket som“ Python ”gir er“ Pandas ”-biblioteket. Ved å bruke "pandas" -metoder, kan vi gjøre flere oppgaver enkelt. Det hjelper oss mye med å gjøre forskjellige oppgaver, som det hjelper oss med å analysere og manipulere data. Vi kan også lage Dataframes og bruke mange funksjoner som "pandaene" gir disse dataframene. Når vi har opprettet DataFrame, og etter å ha opprettet DataFrame, må vi skive den DataFrame. Så for å skive Dataframe, bruker vi forskjellige metoder som "Pandas" gir. Vi kan skive en DataFrames rader så vel som kolonner. Denne guiden vil gi detaljert informasjon om skiven i “Pandas” og vil diskutere de metodene som vi kan bruke for å skive DataFrame.”

Metoder for å skive DataFrame

Metodene som hjelper til med å skive DataFrames kolonner og rader er som følger:

  • Dataramme.LOC -metode.
  • Dataramme.ILOC -metoden.

Vi vil bruke begge metodene i kodene våre her og skive kolonnene så vel som radene til DataFrame og også gi en detaljert forklaring av alle konsepter her i denne guiden.

Eksempel nr. 01
Vi må trenge programvare eller verktøy for å utføre kodene, så her bruker vi “Spyder” -verktøyet for disse “Pandas” -kodene. Modulene til "pandaer" importeres først. Så vi plasserer "import" nøkkelord og importerer modulene til "Pandas som PD.”Etter dette må vi legge til DataFrame her, så vi vil skive den DataFrame senere. DataFrame her er "Pensum_df", og du vet at vi har lagt til noen kolonner og rader til DataFrame.

Den første kolonnen vi skal legge til her er "Exercine_no" -kolonnen der vi satte inn tallene på øvelsen, og disse tallene er "Eks nr. 1.1, eks nr. 1.2, eks nr. 1.3, eks nr. 1.4, eks nr. 2.1, eks nr. 2.2, eks nr. 2.3, eks nr. 3.1, og eks nr. 3.2 ”. Deretter legger vi til "Unit_no" -kolonnen, som inneholder "Enhet 1, enhet 1, enhet 1, enhet 1, enhet 2, enhet 2, enhet 2, enhet 3 og enhet 3". Kolonnen "Class_Period" er nå foran, som har "2. periode, 1. periode, 4. periode, 1. periode, 5. periode, 7. periode, 2. periode, 3. periode og 4. periode". Nok en kolonne blir deretter lagt til, som heter “Class_Days”, og vi setter også inn dagene i den, som er “Mandag, tirsdag, torsdag, lørdag, onsdag, mandag, tirsdag, torsdag, lørdag.”

Lukk deretter DataFrames parentes her fordi DataFrame er fullført her. Nå må vi vise denne dataaframmen, så vi bruker "print ()", som hjelper til med å vise denne dataaframe. Vi utfører denne koden, og du vil se hvordan denne dataaframe ser ut.

Vi må nå kjøre denne koden. Derfor klikker vi på "Kjør" -ikonet for dette verktøyet for å utføre det mens vi opererer i "Spyder" -verktøyet. Etter det blir DataFrame gjengitt i resultatet som følger. DataFrame inneholder ni rader og fire kolonner i den. Nå vil vi skive denne DataFrame ved å bruke “Pandas” -metoden.

Vi bruker "LOC" -metoden i denne koden, og vi legger til navnene på kolonnene som vi ønsker å skive fra DataFrame. Her skiver vi tre kolonner, “Exercine_no, Unit_no og class_dayss,” ved å bruke DataFrame, og disse tre kolonnene lagres i “Syllabus_df2”, som også blir satt i "trykket", så etter å ha skiver DataFrame -kolonnene, er den Skivede kolonner er også gjengitt på terminalen.

Bare tre kolonner vises her når vi skiver kolonnene i DataFrame ved å bruke “LOC” og vise dem her.

Eksempel # 02
Et dataaframe med navnet “ex_patient_detail” og feltene “lege, pasienter, sykdom og 1st_visit_month” genereres. Kolonnen "lege" inneholder navnene på legen “DR. Smith, dr. Oscar, dr. Bromley, dr. Peter, dr. Albert, dr. Taylor, dr. Bønne, og dr. Jayden ”Pasienten navngir“ Megan, Jack, Jessica, Thomas, Sophie, Callum, Lewis, Liam ”er plassert i" pasienter "-feltet. Deretter kom vi inn "sykdom" med følgende navn “Hjerteproblem, lungerinfeksjon, hjerneinfeksjon, hjerteproblemer, blodtrykk, tarminfeksjon, benskade og nyreproblem.”Vi inkluderer også pasientenes første besøksmåneder, som er" januar, januar, februar, mars, mai, juli, september og desember.”

"Ex_patient_detail" -listen blir deretter konvertert til "ex_patient_df", som er dataaframe i dette tilfellet. "Ex_patient_df" skrives deretter ut, og etter utskrift fortsetter vi å bruke "loc" -metoden, som hjelper i kolonneskive. Kriteriene vi har gitt her, må skive en DataFrames kolonne. Vi skiver DataFrame fra "Pasienter" -kolonnen til den siste kolonnen. Så etter dette viser vi de skiver kolonnene.

Den første DataFrame viser fire kolonner, men så skiver vi kolonnene i den dataframmen fra "pasientene", og under DataFrame er den første kolonnen "pasienter" -kolonnen fordi vi skiver den fra "pasienter" -kolonnen til slutten.

Eksempel # 03
Ovennevnte DataFrame brukes igjen her, og vi skiver denne dataframmen annerledes. Her skiver vi DataFrame fra starten av, og det ender ved "sykdom" -kolonnen. Som vist nedenfor nevner vi at i "LOC" -metoden, skiver du kolonnen fra starten av DataFrame til "sykdom" -kolonnen. Denne "loc" -metoden vil skive kolonnene i den dataaframmen deretter, som nevnt i den metoden.

I DataFrame, som vises etter skiver, kan du se at den viser kolonner fra begynnelseskolonnen til DataFrame, og den ender ved "sykdom" -kolonnen fordi vi har nevnt dette i "loc" -metoden i koden.

Eksempel nr. 04
Nå vil vi skive radene i dette eksemplet ved å bruke “ILOC” -metoden. "Footballspiller_list" er opprettet først der vi har lagt til "William, 41, 78 og 5367000," som vil vises som den første raden i DataFrame etter å ha konvertert denne listen til DataFrame. Deretter satte vi inn “James, 31, 75 og 345700”; Etter dette la vi til “Jessica, 38, 70, 9867000”, “Grace, 34, 80, 390000”, “Liam, 40, 100, 4548000”, “Callum, 33, 72, 7028000” og også “Ryan, 42 , 85, 2528000 ”som vil vises som henholdsvis den tredje, fjerde, femte, sjette og syvende rad i DataFrame, da vi har endret denne listen til DataFrame og også angir kolonnenavnene som" F_name, F_age, F_weight og F_SALARY.”

Da blir også DataFarme gjengitt her. Nå skiver vi radene til denne "fotballspilleren" DataFrame ved å plassere noen verdier i "ILOC" -metoden. Vi setter "1: 5", som betyr at den vil skive radene fra “Indeks 1” -rekke til “Index 5” -raden. Så det vises fem rader etter å ha skåret en dataaframes rader. Vi initialiserer "fotballspiller_df1" med denne "ILOC" -metoden, så radene vi skiver ved hjelp av denne metoden vil lagre i denne variabelen. Så bruker vi igjen “print ()” og setter “fotballspiller_df1” i den, så de skiver radene vil skrive ut på terminalen.

Dataframe, før du bruker "ILOC" -metoden, viser alle kolonner og alle rader i DataFrame. Så skiver vi radene med denne dataaframmen ved å bruke “ILOC” -metoden, og under de skiver radene blir også gjengitt fra indeks 1 til indeks 5, som vi har plassert i "ILOC" -metoden.

Konklusjon

Hensikten med å skrive denne guiden er å gi en detaljert beskrivelse av "DataFrame Slice" -konseptet i "Pandas.”Vi har diskutert to metoder,“ Loc ”og“ ILOC ”, i denne guiden som hjelper til. Vi har brukt begge metodene i "Pandas" -kodene i denne guiden og også skiver kolonnene i ett eksempel og radene i det andre eksemplet. Vi har allerede forklart hvordan vi skiver radene og også kolonnene i DataFrame i denne guiden. Vi har gjort flere koder i denne guiden, sammen med forklaringen og utgangene til hver kode.