Pandas DataFrame Slice

"La libreria Open_source che" Python "fornisce è la biblioteca" Panda ". Usando i metodi "panda", possiamo svolgere facilmente diverse attività. Ci aiuta molto a svolgere vari compiti, come ci aiuta ad analizzare e manipolare i dati. Possiamo anche fare i dati dei dati e applicare molte funzioni che i "panda" forniscono a questi frame dati. Quando abbiamo creato il frame dati e dopo aver creato il frame dati, dobbiamo tagliare quel frame dati. Quindi, per tagliare il telaio dati, utilizziamo diversi metodi che i "panda" forniscono. Possiamo tagliare le righe di un frame dati e le colonne. Questa guida fornirà informazioni dettagliate sulla taglio in "panda" e discuterà quei metodi che possiamo utilizzare per tagliare il frame dati."

Metodi per tagliare il frame dati

I metodi che aiutano a tagliare le colonne e le righe dei dati dei dati sono i seguenti:

• DataFrame.Metodo LOC.
• DataFrame.Metodo ILoc.

Utilizzeremo entrambi i metodi nei nostri codici qui e taglieremo le colonne, nonché le righe del telaio di dati e darebbe anche una spiegazione dettagliata di tutti i concetti qui in questa guida.

Esempio # 01
Dobbiamo bisogno di qualsiasi software o strumento per eseguire i codici, quindi qui utilizziamo lo strumento "Spyder" per questi codici "Panda". I moduli di "panda" vengono importati per primi. Quindi, posizioniamo la parola chiave "importazione" e importiamo i moduli di "panda come PD."Dopo questo, dobbiamo aggiungere il telaio di dati qui, quindi taglieremo quel frame dati in seguito. Il frame dati qui è "syllabus_df" e sai che abbiamo aggiunto alcune colonne e righe al frame dati.

La prima colonna che aggiungeremo qui è la colonna "Exercing_No" in cui abbiamo inserito i numeri dell'esercizio e quei numeri sono "ex# 1.1, ex# 1.2, ex# 1.3, ex# 1.4, ex# 2.1, ex# 2.2, ex# 2.3, ex# 3.1 ed ex# 3.2 ". Quindi aggiungiamo la colonna "Unit_no", che contiene "Unità 1, unità 1, unità 1, unità 1, unità 2, unità 2, unità 2, unità 3 e unità 3". La colonna "Class_period" è ora in vantaggio, che ha "2 ° periodo, 1 ° periodo, 4 ° periodo, 1 ° periodo, 5 ° periodo, 7 ° periodo, 2 ° periodo, 3 ° periodo e 4 ° periodo". Viene quindi aggiunta un'altra colonna, che si chiama "Class_days", e inseriamo anche i giorni in esso, che sono "lunedì, martedì, giovedì, sabato, mercoledì, martedì, giovedì, sabato."

Quindi chiudere le parentesi del telaio dati qui perché il frame dati è completato qui. Ora, dobbiamo mostrare questo frame dati, quindi utilizziamo "Print ()", che aiuta a visualizzare questo frame dati. Eseguiamo questo codice e vedrai come appare questo telaio di dati.

Ora dobbiamo eseguire questo codice. Pertanto, facciamo clic sull'icona "Esegui" di questo strumento per eseguirlo mentre operiamo nello strumento "Spyder". Successivamente, il frame dati viene reso nel risultato che segue. Il frame dati contiene nove righe e quattro colonne in esso. Ora, taglieremo questo telaio di dati utilizzando il metodo "panda".

Usiamo il metodo "LOC" in questo codice e aggiungiamo i nomi di quelle colonne che vogliamo tagliare dal frame dati. Qui stiamo tagliando tre colonne, "Exercing_No, Unit_No e Class_dayss", utilizzando il frame dati, e queste tre colonne vengono salvate in "Syllabus_df2", che è anche inserito in "Stampa" Le colonne a fette sono anche rese sul terminale.

Qui vengono visualizzate solo tre colonne mentre tagliano quelle colonne del frame dati usando "loc" e le visualizziamo qui.

Esempio # 02
Viene generato un frame dati con il nome "ex_patient_detail" e i campi "dottore, pazienti, malattia e 1st_visit_month". La colonna "Doctor" contiene i nomi del medico "DR. Smith, Dr. Oscar, Dr. Bromley, dr. Peter, Dr. Albert, dr. Taylor, dr. Fagioli e dr. Jayden "I nomi dei pazienti" Megan, Jack, Jessica, Thomas, Sophie, Callum, Lewis, Liam "sono collocati nel campo" pazienti ". Quindi, siamo entrati in "malattia" con i seguenti nomi "problema cardiaco, infezione da polmoni, infezione cerebrale, problemi cardiaci, pressione sanguigna, infezione da intestino, danno alle gambe e problema renale."Includiamo anche il primo mese di visita dei pazienti, che sono" gennaio, gennaio, febbraio, marzo, maggio, luglio, settembre e dicembre."

L'elenco "ex_patient_detail" viene quindi convertito in "ex_patient_df", che è il frame dati in questa istanza. Viene quindi stampato "ex_patient_df" e dopo la stampa, passiamo all'utilizzo del metodo "LOC", che aiuta nella fetta di colonna. I criteri che abbiamo fornito qui devono tagliare la colonna di un frame dati. Tagliare il telaio dati dalla colonna "pazienti" all'ultima colonna. Quindi dopo questo, visualizziamo le colonne a fette.

Il primo frame dati mostra quattro colonne, ma poi tagli le colonne di quel frame dati dal "pazienti" e sotto il telaio di dati, la prima colonna è la colonna "pazienti" perché lo tagli dalla colonna "pazienti" fino alla fine.

Esempio # 03
Il frame di dati sopra viene nuovamente utilizzato qui e stiamo tagliando questo frame di dati in modo diverso. Qui stiamo tagliando il frame dati dall'inizio e termina alla colonna "malattia". Come mostrato di seguito, menzioniamo che nel metodo "LOC", tagliare la colonna dall'inizio del frame dati alla colonna "malattia". Questo metodo "LOC" taglierà di conseguenza le colonne di tale telaio di dati, come menzionato in quel metodo.

Nel frame dati, che appare dopo aver tagliato, è possibile vedere che visualizza le colonne dalla colonna iniziale del frame dati e termina alla colonna "malattia" perché l'abbiamo menzionato nel metodo "loc" nel codice.

Esempio # 04
Ora, taglieremo le righe in questo esempio utilizzando il metodo "ILoc". Il "calciatore_list" è stato creato per primo in cui abbiamo aggiunto "William, 41, 78 e 5367000", che apparirà come la prima riga del telaio dati dopo aver convertito questo elenco in DataFrame. Successivamente, abbiamo inserito "James, 31, 75 e 345700"; Dopo questo, abbiamo aggiunto "Jessica, 38, 70, 9867000", "Grace, 34, 80, 390000", "Liam, 40, 100, 4548000", "Callum, 33, 72, 7028000" e anche "Ryan, 42 , 85, 2528000 "che apparirà rispettivamente come terza, quarta, quinta, sesta e settima riga nel frame dati mentre abbiamo modificato questo elenco in dati e impostare anche i nomi delle colonne che" f_name, f_age, f_weight e f_salary."

Quindi il clamore data è anche reso qui. Ora stiamo tagliando le righe di questo telaio di dati "calciatore_df" posizionando alcuni valori nel metodo "ILOC". Mettiamo "1: 5", il che significa che taglierà le righe dalla riga "indice 1" alla riga "indice 5". Quindi, saranno apparite cinque righe dopo aver tagliato le righe di un frame dati. Inizializziamo il "calciatore_df1" con questo metodo "ILOC", quindi le righe che tagliamo usando questo metodo memorizzeranno in questa variabile. Quindi utilizziamo di nuovo la "print ()" e ci mettiamo il "calciatore_df1", in modo che le righe a fette verranno stampate sul terminale.

Il frame dati, prima di applicare il metodo "ILoc", mostra tutte le colonne e tutte le righe del frame dati. Quindi tagliamo le righe di questo telaio di dati utilizzando il metodo "ILOoc" e sotto le righe a fette vengono anche rese a partire dall'indice 1 all'indice 5, che abbiamo inserito nel metodo "ILOC".

Conclusione

Lo scopo di scrivere questa guida è quello di fornire una descrizione dettagliata del concetto di "DataFrame Slice" in "Panda."Abbiamo discusso di due metodi," LOC "e" ILoc ", in questa guida che aiutano a tagliare le righe e le colonne del frame dati specificato. In questa guida abbiamo utilizzato entrambi i metodi nei codici "panda" e hanno anche tagliato le colonne in un esempio e le righe nell'altro esempio. Abbiamo già spiegato come tagliamo le righe e anche le colonne del frame dati in questa guida. Abbiamo fatto più codici in questa guida, insieme alla spiegazione e agli output di ciascun codice.