Pandas Print Column

“Pandas er et unikt, analysebasert Python-bibliotek som utelukkende brukes til å vurdere og manipulere data. Vi kan også analysere dataene ved å bruke dette "Pandas" -biblioteket. Det er et open source-bibliotek. Den introduserer også "DataFrame ()" -funksjonen, som har blitt nyttig for å sette opp rader og kolonner for dataene. Når DataFrame er designet i "Pandas" -koden, kan vi også skrive ut enkeltkolonnen samt flere kolonner i DataFrame. Det er forskjellige unike metoder som "pandaer" gir oss for å få enkle eller flere kolonner i DataFrame, og etter å ha fått ønsket kolonne, kan vi også skrive ut den kolonnen på terminalen. Denne guiden presenteres her for å forklare konseptet med "Pandas Print -kolonnen", og vi vil også utforske alle metoder her som hjelper oss med å skrive ut singelen så vel som flere kolonner i DataFrame.”

"Pandas" gir tre distinkte metoder for tilgang til kolonnen i DataFrame, og disse metodene vil også bli forklart i detalj i denne guiden. Disse er:

• Ved hjelp av firkantede braketter [] -metoden.
• Bruke DF.loc [] metode.
• Bruke DF.iloc [] metode.

Eksempel nr. 01

Nå bruker vi disse metodene i kodene våre og vil også forklare hvordan du bruker disse metodene i "Pandas" -koden. Vi bruker "Spyder" -appen for å utføre vår "pandas" -kode i denne guiden. Det første trinnet vi gjør her er at importerer noen biblioteker, for eksempel å importere to biblioteker i denne koden som er "pandaer" og "numpy", ved å bruke "import" nøkkelord med begge bibliotekene. Etter dette konstruerer vi en DataFrame her, som heter “Game_df”. Vi konstruerer bare DataFrame når vi bruker “PD.DataFrame () ”-metoden, som vist her.

Deretter satte vi "game_code", som er vår første kolonne i denne dataaframe og vi setter inn "gc_167, gc_210, gc_234, gc_290, gc_310, gc_451, gc_551, gc_gc_617, gc_736, og gc_814". "Game_score" er lagt til, som er den andre kolonnen i denne dataaframmen, og også legger vi til "420, 900, 560, NP.Nan, 590, 620, 405, NP.Nan, 811 og 619 ”til det. Her, “NP.Nan ”representerer ingen verdi. "Game_attempts" er den neste kolonnen vi legger til her. I denne kolonnen setter vi inn “1, 3, 2, 3, 2, 3, 1, 1, 2 og 1”. "Kvalifisering" -kolonnen er den siste, og vi legger til "Ja, nei, ja, nei, nei, ja, ja, nei, nei, og ja" i denne "kvalifiserte" kolonnen.

Etter å ha lagt til alle disse, har vi bare lagt denne “game_df” i “print ()” slik at hele DataFrame vises.

Etter å ha truffet “Shift+Enter”, gjengir følgende utfall på terminalen der hele DataFrame vises. Nå bruker vi metoden for firkant. La oss se nedenfor.

Vi legger til disse linjene der vi bruker metoden for firkant. Vi nevner navnet på DataFrame og legger deretter de firkantede brakettene der vi har nevnt navnet på DataFrame -kolonnen som vi vil skrive ut. Her la vi til “Game_code” som er kolonnenavnet til denne DataFrame, og det vil skrive ut på terminalen fordi vi har brukt denne metoden i metoden “Print ()”.

Utfallet nedenfor viser bare en kolonne av ovennevnte dataFrame fordi vi har brukt firkantet metoden for å få denne kolonnen.

Eksempel # 02

Vi oppdaterer koden ovenfor litt her, og denne gangen viser vi mer enn en kolonne ved å bruke den samme firkantede braketten. Her, etter å ha vist hele DataFrame, satte vi metoden for firkant Dataramme. I disse firkantede parentesene har vi lagt til to kolonnenavn som er "game_score" og "game_attempts". Nå vil begge kolonnene skrive ut på terminalen.

Etter å ha gjengitt hele DataFrame, kan du se at bare to kolonner er gjengitt i dette utfallet. Vi får tilgang til disse to kolonnene ved å bruke metoden “firkantet []” og skrive deretter ut begge kolonnene her.

Eksempel # 03

Her opprettes en dataaframe som heter "Bank_df" ved hjelp av “PD.DataFrame () ”-metode. Vi går inn i “John, Stellan, Rowan, Alexander, Cora, Ellis og Bromley” inn i den første kolonnen i denne DataFrame, og navnet på denne kolonnen er “Navn” her. Denne DataFrames andre kolonne, "Kontaktnummer", blir deretter satt inn, sammen med tallene “123456, 123678, 123975, 123123, 123846, 981254 og 212789”.

Nå har vi kolonnen "Conto Num", der vi har lagt til "456071, 345678, 987654, 789123, 890456, 987654 og 234789" ". Så kommer kolonnen "Aktiveringsdato" der vi legger til datoer "2020-02-14, 2020-05-21, 2020-07-17, 2021-01-15, 2021-04-21, 2021-12-27, 2022-04-24 ”. Vi legger også til en kolonne til, som heter “sjekkbok rec”, og i denne kolonnen setter vi inn “ja_rec, not_yet, not_yet, not_yet, not_yet, yes_rec, yes_rec og yes_rec”.

Etter dette har vi "Print ()" -funksjonen her der "Bank_df" er plassert slik at den vil gjengi på terminalen. Nå ønsker vi bare en kolonne ved hjelp av “LOC” -metoden og vise den kolonnen. Så vi nevner DataFrame -navnet og deretter "LOC" -metoden der vi først setter ":" som betyr at vi vil få alle rader, og så plasserer vi "navn", som er navnet på kolonnen, vi vil skrive ut. Denne "LOC" -metoden får tilgang til "Navn" -kolonnen, og "Print ()" som denne metoden er beskrevet, hjelper med å skrive ut den kolonnen på terminalen.

Hele DataFrame består av fem kolonner som også er vist i utfallet, men vi får bare tilgang til en kolonne ved å bruke "LOC" -metoden og også skrive den ut her, som også er synlig for deg i dette utfallet.

Vi kan også få flere kolonner ved å bruke "LOC" -metoden, og for dette gjør vi bare små endringer, som vist nedenfor. Etter å ha plassert navnet på DataFrame og deretter "LOC" -metoden, legger vi til tre navn på kolonner som vi ønsker å få tilgang til og vise. Vi plasserer “Navn, kontaktnummer og aktiveringsdato” inne i “LOC” -metoden fordi vi ønsker å skrive ut flere kolonner i DataFrame. Disse kolonnene vil skrive ut, da vi også har brukt “print ()” her.

Tre kolonner sees i dette utfallet, og vi får disse tre kolonnene ved å sette dem i metoden “loc []”.

Eksempel nr. 04

"Bank_df" brukes igjen i denne koden, og vi vil bare skrive ut en kolonne i denne DataFrame ved å bruke en annen metode som er "ILOC []" -metoden. Etter å ha gjengitt “Bank_df”, bruker vi deretter denne “ILOC []” -metoden og plasserer “Bank_df” før denne “ILOC []”. Vi setter inn “Bank_df” og bruker deretter “ILOC” og i denne “ILOC” plasserer vi “:” Først og viser at vi må få tilgang til alle rader, men vi vil også få bare en kolonne her som vi har nevnt etter dette. Vi setter “0” som er standardindeksverdien på kolonnen. Så den vil få tilgang til den første kolonnen i denne "Bank_df" og også skrive ut den fordi den er lagt til i "print ()" -metoden også.

Den første kolonnen i "Bank_df" vises separat etter å ha vist hele DataFrame, som inneholder alle rader og alle kolonnene med "Bank_df". Vi har skrevet ut den første kolonnen i denne DataFrame her ved å bruke metoden “ILOC []” i dette eksemplet.

Konklusjon

Denne guideens hovedmål er å gi en bedre forståelse av "Pandas Print Column" -oppfatningen. Vi har forklart at det er tre forskjellige metoder i "pandaer" for å få kolonnen til DataFrame. Vi har brukt alle metoder i vår "pandas" -kode og har forklart dem alle i detalj, så du vil enkelt lære å bruke disse metodene i "Pandas" -programmering. Vi har også diskutert hvordan vi kan få utdataene fra disse kodene og også gitt resultatene av koden vår her, som vi har gjort i denne guiden. Vi har forklart hvordan du får en kolonne i DataFrame og skriver den ut, samt flere selektive kolonner i DataFrame og skriver dem ut i denne guiden.