Panda tutte le colonne tranne
Metodi per accedere a tutte le colonne tranne una o più in "panda"
I metodi che utilizziamo per accedere a tutte le colonne tranne quella o più in "panda" sono menzionati di seguito.
- Usando .Loc [] Metodo.
- Utilizzando il metodo Drop ().
- Usando serie.Metodo di differenza ().
Esempio 01: usando .Loc [] Metodo
Abbiamo un'app "Spyder" per fare codici di "panda" che viene utilizzato nel generare i codici "panda". Applichiamo questi metodi ai codici "Panda" per accedere a tutte le colonne tranne una. Importiamo i "panda come PD" per accedere ai metodi "panda" desiderati. Ora, per accedere a una funzione, dobbiamo solo digitare "PD" piuttosto che il lungo nome "Panda."
Quindi, inserendo i dati qui, creiamo e inizializziamo una "proprietà" variabile. Nominando la prima colonna "S_NO", aggiungiamo il seriale No qui come "P1, P2, P3, P4 e P5". Quindi, abbiamo messo i "honour_names" e aggiungiamo i nomi "Smith, Joseph, William, Samuel e Rick". Aggiungiamo i dati in forma di colonna. La colonna "Buyer_Names" segue con nomi: "Peter, James, Olivia, Leo e Bills". Quindi, abbiamo il "concessionario_names" con i nomi dei rivenditori di proprietà: "Noah, Mishi, Taylor, Robert e Samuel".
Inseriamo anche la colonna "Tipo" con il tipo di proprietà: "terra, casa, appartamento, negozio e casa". Quindi, utilizza il "PD.DataFrame "per la modifica dei dati di cui sopra in DataFrame e nominali" Proprietà1 ". Innanzitutto, stampiamo l'intero telaio di dati contenente tutte le colonne mettendo il nome del frame dati nel metodo "print ()". Quindi, stiamo accedendo a tutte le colonne tranne l'unica colonna che è la colonna "Dealer_name" con l'uso del ".Loc [] "Metodo.
Mettiamo la colonna che accede a tutte le colonne. Ma con queste colonne, aggiungiamo anche "! = Dealer_name "per restituire tutte le colonne tranne la colonna" dealer_names ". Non renderà questa colonna sul terminale. Archiviamo tutte le colonne del frame dati ad eccezione della colonna "dealer_names" nella variabile "Property2". Visualizziamo quelle colonne mettendo "Property2" nella funzione "Print ()".
Accediamo a tutte le colonne e le visualizziamo, che è il frame dati originale. Quindi, otteniamo tutte le colonne tranne la colonna "Dealer_name" con l'aiuto di ".Loc [] "Metodo. Quindi, tutte le colonne vengono visualizzate tranne la colonna "Dealer_name".
Esempio 02: Utilizzo del metodo Drop ()
Avvia un nuovo esempio importando "Panda come PD". Successivamente, abbiamo la variabile "eautibles" e inizializza questo fornendo alcune informazioni di seguito. Aggiungiamo i nomi di frutta "Melone, anguria, ciliegia e pera" e designiamo la prima colonna come "fruit_names". Quindi, inseriamo i nomi vegetali "carota, cetriolo, spagnolo e cipolla" nella colonna "Veg_names". In seguito è la colonna "Fast_Food", che include nomi "hamburger, pizza, sandwich e rotolo". I nomi degli articoli da forno "Biscuit, cioccolato, torta e patatine" sono inseriti nella sezione "Bakery_Items".
Aggiungiamo anche una colonna chiamata "Dry_Fruits" in cui elenchiamo i diversi tipi di frutti secchi, che sono "arachidi, noci, cocco e mandorle". Usa il "PD.DataFrame "per convertire i dati di cui sopra in un frame dati. Immettendo il nome del telaio dati nel metodo "Print ()", stampiamo prima l'intero frame dati, incluso tutte le sue colonne. Usando la tecnica "Drop", siamo quindi in grado di accedere a tutte le colonne ad eccezione della colonna "Fast_Food".
Pertanto, verranno restituite tutte le colonne diverse dalla colonna "Fast_Food". La colonna "Fast_Food" non apparirà sul terminale. Ad eccezione della colonna "Fast_Food", salviamo tutte le colonne del Frame Data nella variabile "EATUBLE2". Includendo "Eatables2" nel metodo "Print ()", possiamo vedere quelle colonne sul terminale.
Innanzitutto, otteniamo tutte le colonne e le visualizziamo, che è il frame dati originale. Usando il metodo "drop", otteniamo tutte le colonne escluse la colonna "Fast_Food", visibile.
Esempio 03: Utilizzo del metodo Drop () per escludere più di una colonna
"Panda as PD" dovrebbe essere importato per iniziare un nuovo esempio. La "famiglia" variabile è la prossima che abbiamo. Lo inizializziamo fornendo i dati seguenti. "Letto, tavolo, sedia e divano" vengono aggiunti nella prima colonna chiamata "Mobili". Quindi, abbiamo digitato "frigorifero, LCD, juicer_machine e ventola" nella colonna "elettrica". Segue la colonna "Kitchen_items", con oggetti "piatto, vetro, tazza e cucchiaio" elencato nella sua colonna.
Inoltre, includiamo una nuova colonna denominata "Washaom_items" in cui elenchiamo gli articoli "doccia, pipa, bacino, tazza". Usa il "PD.Funzione DataFrame "per trasformare i dati in un frame dati. Prima stampiamo il frame dati completo, comprese tutte le sue colonne, specificando il nome del frame dati nel metodo "print ()". Possiamo quindi accedere a tutte le colonne usando il metodo "drop", tranne le colonne "mobili e cucina_item". Verranno quindi restituite tutte le colonne che escludono le colonne "mobili e kitchen_items".
Sul terminal, le colonne "mobili e cucina_item" non verranno visualizzate. Memorizziamo tutte le colonne di dati nella variabile "Household2", tranne le colonne "mobili e kitchne_items". Tutte le colonne possono essere visualizzate sul terminale tranne le due includendo "eatables2" nel comando "print ()".
Il frame dati originale viene visualizzato per la prima volta qui in cui otteniamo tutte le colonne. La tecnica "Drop ()" viene quindi utilizzata per ottenere tutte le colonne visibili, ad eccezione delle due colonne "Mobili e Kitchen_Items" colonne.
Esempio 04: Utilizzo della serie.Metodo di differenza ()
È necessario importare "panda come PD" prima di iniziare un nuovo esempio. Inizializziamo la seguente variabile, "Study_data" fornendole i dati seguenti. Le aggiunte "CR1, CR2, CR3, CR4 e CR5" sono fatte alla prima colonna, "CR_ID". Quindi, digitiamo "Pandas, Linux, Spark, Python e Ubuntu" nella colonna "Cr".
Successivamente, la tassa per questi corsi "12000, 13000, 14000, 15000 e 16000" sono incluse nella colonna "CR_FEE". Inoltre, viene aggiunta un'altra colonna denominata "Cr_Duration", in cui la durata di questi corsi è "25 giorni, 30 giorni, 35 giorni, 40 giorni e 45 giorni". Utilizzare il "PD.Funzione DataFrame "per trasformare i dati in un frame dati. Aggiungendo il nome del telaio dati nel metodo "Print ()", stampiamo prima l'intero frame dati, comprese tutte le sue colonne.
Quindi, utilizziamo la "serie. Metodo della differenza "e la colonna" CR_DURATION "che è l'unica a cui non è possibile accedere utilizzando questa" serie. Differenza "tecnica. Pertanto, verranno restituite tutte le colonne diverse dalle colonne "Cr_Duration". Tutte le colonne del frame dati, escluse le colonne "Cr_Duration", sono archiviate nella variabile "Study_data2". Includendo "Study_data2" nel comando "Print ()", tutte le colonne stampano sul terminale tranne uno.
Qui, presentiamo per la prima volta il frame dati originale da cui abbiamo ottenuto tutte le colonne. Quindi, utilizzando la "serie. Metodo Difference () ", tutte le colonne sono visibili qui, tranne una colonna" Cr_Duration ".
Conclusione
Questo è sulla "colonna tutta tranne" in "Panda."Abbiamo discusso di come ottenere tutte le colonne tranne una o più di una colonna. Abbiamo esplorato tre metodi in questo tutorial per accedere a tutte le colonne tranne una o più.