Panda in funzione

“Python è una delle migliori lingue per analizzare i dati e i risultati, in gran parte a causa del forte ambiente dei pacchetti Python che si concentrano sulla gestione dei dati. Uno di quegli strumenti che semplificano notevolmente il processo di importazione e valutazione dei dati sono i panda. La funzione Panda in [] viene utilizzata per restituire i dati all'interno di un telaio di dati nel punto passato. [Posizione, nome della colonna] è il formato della posizione passata. Questo metodo funziona in modo simile a Pandas loc [], tranne a [] restituisce un singolo valore e quindi esegue più rapidamente. Con l'aiuto della serie Pandas.All'attributo, potremmo ottenere un unico valore per un set di etichette di riga/colonna. Questo attributo e LOC offrono entrambe ricerche basate sull'etichetta; Quindi sono simili."

Come usare i panda .in funzione?

In Panda, il metodo AT viene utilizzato per estrarre dati o valori specifici da un telaio di dati e per estrarre valori dall'oggetto serie. Per usare il .In funzione per serie e dati di dati, dobbiamo seguire la sua sintassi. Diamo un'occhiata alla loro sintassi prima di usarla per estrarre i dati.

Sintassi di .alla funzione sui frame dati

La sintassi del frame dati.alla funzione è il seguente:

Sintassi: DataFrame.in [posizione, etichetta]

Dove,

posizione: Posizione dell'elemento nella colonna DataFrame.

etichetta: Nome della colonna da utilizzare.

Valore di ritorno: Il valore situato è restituito da .al metodo.

Errori: Se gli argomenti indicati come etichette di colonne e indice di riga sono al di fuori dei limiti o mancano dal frame dati, viene sollevato l'errore chiave.

Sintassi della funzione ASTYPE () sulla serie

La sintassi della serie.alla funzione è il seguente:

Sintassi: Serie.A[]

Parametro: Nessuno

Non ci sono parametri richiesti per la serie.Al metodo, possiamo ottenere il valore solo usando il valore che vogliamo estrarre all'interno della parentesi.

Ritorna: Viene passato il valore singolo.

KeyError aumenterà se l'etichetta della serie è assente.

Ora abbiamo visto la sintassi del .in funzione con serie e dati di dati. Implementeremo il .in funzione con serie e frame di dati nei seguenti esempi, quindi imparerai come utilizzare il .in funzione da solo.

Esempio n. 1: recuperare i dati per indice e nomi di colonne in DataFrame utilizzando DataFrame.nella funzione []

Ora costruiamo un frame dati con diverse righe e colonne in modo da poter dimostrare il nostro esempio ed esaminare l'output. Prima di creare il frame dati, importeremo il modulo di panda. I panda sono uno degli strumenti più utilizzati nella scienza dei dati e nell'apprendimento automatico per la pulizia e l'analisi dei dati. Il Panda è lo strumento ideale per gestire questo caotico dati del mondo reale.

I moduli Pandas sono stati importati nello script sopra. Abbiamo creato più elenchi che detengono i record di sportivi. Quindi abbiamo creato un frame dati utilizzando il PD.Funzione dataframe (). All'interno del PD.Funzione DataFrame, abbiamo superato i nostri elenchi (giocatori), colonne contenenti il ​​nome per ciascuna colonna del frame dati e indice per la denominazione dell'indice del nostro DF DataFrame. Per illustrare la nostra cornice di dati DF, utilizzeremo la funzione print () e al suo interno, passeremo il nostro Frame dati DF come input.

Puoi vedere che ci sono 4 colonne Nome, età, sport e paese che mostrano i dati di sei sportivi di diversi sport che appartengono a paesi diversi.

Ora recupereremo il valore dell'elemento del nome della colonna "Sport" al nome della riga "2".

Come puoi vedere, ha recuperato lo sport "badminton" dalla riga all'indice due. Consideriamo l'esempio in cui tentiamo di recuperare il valore di una cella fornendo un nome di riga che non è presente.

La console sta visualizzando un errore chiave perché, nel nostro telaio di dati, non esiste un indice con il nome "7".

Esempio n. 2: recuperare i dati dal frame dati utilizzando il nome della variabile

Prima di tutto, importeremo la libreria Pandas nell'ambiente attuale. Utilizzeremo lo stesso dati di dati DF in questo esempio, che è stato creato nell'esempio n. 1.

Dopo aver importato Panda, abbiamo creato 2 variabili LOC per la memorizzazione della posizione dell'indice e il Col per la memorizzazione del nome della colonna. Abbiamo assegnato 4 alla variabile LOC e "nome" alla variabile Col, il che significa che deve recuperare i dati dal 4 ° indice della colonna del nome. Per esaminare il risultato dal frame dati.In funzione, possiamo stampare il valore recuperato passando il suo nome variabile (i.e., get) nella funzione print ().

L'output può essere confrontato, come mostrato nell'output, e si può notare che il valore nella colonna Nome nella quarta posizione è simile all'output.

Questo .a [] restituisce solo un unico valore, a differenza di.loc []. Il frame dati.a [3: 6, col] restituirà quindi un errore. Questo approccio è più veloce di. loc [] perché si applica solo ai valori singoli.

Esempio n. 3: specificare o sovrascrivere un valore a una riga/colonna specifica utilizzando DataFrame.A[]

Utilizzeremo DF Data -Fame, creato nell'esempio n. 1. Innanzitutto, controlleremo i dati nel nostro DF DataFrame utilizzando la funzione Print ().

Supponiamo che dobbiamo cambiare lo sport nella riga 5. Come puoi vedere, attualmente lo sport nella riga 5 è il tennis. In questo esempio modificheremo il valore della cella. Utilizzo dei dati.Telaio.A[]. Per sovrascrivere o modificare i dati, dobbiamo prima accedere a quella cella specifica.

Abbiamo accettato con successo la cella richiesta. Ora imposteremo un nuovo valore in questa cella utilizzando DataFrame.nella funzione [].

Abbiamo cambiato il valore da "tennis" a "basket". Puoi vedere l'output stampando il nostro frame dati DF.

Puoi osservare che il valore nella riga 5 e gli sport di colonna vengono modificati in basket. Usando .In [], è possibile impostare solo il valore di una colonna o riga che esiste nel nostro telaio di dati; Altrimenti, visualizzerà un errore sulla console.

Esempio n. 4: recuperare un singolo valore in qualsiasi luogo particolare di una serie usando la serie.con [] attributo

Abbiamo visto dagli esempi sottostanti come puoi estrarre dati a cellula singola .A[]. Ora, in questo esempio, otterremo il valore dalla serie usando la serie.con [] attributo. Innanzitutto, creeremo una serie di oggetti dopo aver importato il modulo Pandas.

Come puoi vedere, abbiamo creato una serie contenente i nomi delle persone. Per visualizzare la nostra serie, è possibile utilizzare la funzione print ().

Abbiamo una serie di 6 nomi, indicizzazione da 0 a 5. Per recuperare i dati da una posizione specifica in una serie, possiamo semplicemente passare l'indice all'interno delle parentesi della serie.con [] attributo. Ripuciamo il valore nella posizione dell'indice 4.

Leo 'è il valore elencato nella posizione 4 nell'oggetto serie fornito, come si può vedere nell'output della serie.ad attributo. Possiamo anche impostare un valore in una posizione indice specificata in serie usando la serie.a [] come abbiamo fatto nell'esempio n. 3.

Conclusione

In questo articolo, abbiamo discusso di come usare il .nella proprietà [] per selezionare o ottenere un singolo valore o dati di cella da un frame dati Pandas. Abbiamo implementato diversi esempi in questo articolo utilizzando DataFrame.a [] e serie.Con attributo [] in modo da poter imparare come recuperare i dati per indice e nomi di colonne nel frame dati e recuperare i dati dal frame dati utilizzando un nome variabile, specificare o sovrascrivere un valore in una riga/colonna specifica.