Metodo Panda ISIN
Il metodo Pandas isin () aiuta a cercare il set di input di valori nel determinato telaio . Discuteremo i panda, il suo metodo isin () e i suoi esempi.
Cos'è Panda in Python?
Pandas è il modulo di frame dati standard di Python. Dovresti quasi probabilmente usare panda se stai lavorando con i dati tabulari in Python.
Fornisce una struttura e strumenti di dati molto efficienti per l'esecuzione dell'analisi dei dati. Pandas è un modulo Python per la scienza dei dati e l'analisi che funziona in cima a Numpy. Il frame dati nella struttura dei dati fondamentali di Pandas ci consente di archiviare e modificare i dati tabulari in una struttura 2D.
Cos'è DataFrame?
La struttura dei dati più essenziale e ampiamente utilizzata è il frame dati, un modo standard per archiviare i dati. DataFrame ha dati organizzati in righe e colonne come una tabella SQL o un database di fogli di calcolo. Possiamo convertire i nostri dati personalizzati in un gesto di dati o importare dati da un database CSV, TSV, Excel, SQL o da un'altra fonte.
Qual è la funzione panda isin ()?
La funzione isin () controlla se i valori forniti sono presenti nel frame dati. Questa funzione restituisce un frame dati booleano. Il frame dati sembra essere lo stesso dell'originale ed è inalterato. Tuttavia, i valori originali vengono sostituiti con true se l'elemento del frame di dati è uno degli elementi specificati e viene modificato in falso altrimenti.
Esempi di metodo isin ()
Esempio 1:
| 1 2 3 4 5 6 7 8 9 10 11 12 | Importa panda come PD data = pd.DataFrame ( 'Nome': ['a', 'b', 'c', 'd', 'Roll Number': [25, 40, 23, 22], 'Altezza': ['169', '173', '173', '178'] ) Heights_to_filter = ['173', '169', '177'] risultato = dati.isin (heights_to_filter) Stampa (risultato) |
Produzione:
| Nome | Rotolo | numero | Altezza |
|---|---|---|---|
| 0 | Falso | Falso | VERO |
| 1 | Falso | Falso | VERO |
| 2 | Falso | Falso | VERO |
| 3 | Falso | Falso | Falso |
Esempio 2:
| 1 2 3 4 5 6 7 8 9 10 11 12 13 | Importa panda come PD data = pd.DataFrame ( 'Nome': ['a', 'b', 'c', 'd', 'Age': [25, 45, 23, 32], "Oggetto preferito": ["Math", "Science", "Science", "English"] ) dict_data_to_filter = 'name': ['b', 'd'], 'dipartimento': ['science'] risultato = dati.isin (dict_data_to_filter) Stampa (risultato) |
Produzione:
| Nome | Età | Preferito | Soggetto |
|---|---|---|---|
| 0 | Falso | Falso | Falso |
| 1 | VERO | Falso | Falso |
| 2 | Falso | Falso | Falso |
| 3 | VERO | Falso | Falso |
Esempio 3:
| 1 2 3 4 5 6 7 8 9 10 11 12 | Importa panda come PD data = pd.DataFrame ( 'Nome': ['a', 'b', 'c', 'd', 'Age': [25, 45, 23, 32], 'Dipartimento': ['29', '35', '35', '40'] ) serie_data = pd.Serie (['a', 'c', 'b', 'd']) risultato = dati.isin (serie_data) Stampa (risultato) |
Produzione:
| Nome | Età | Dipartimento |
|---|---|---|
| 0 | VERO | Falso |
| 1 | Falso | Falso |
| 2 | Falso | Falso |
| 3 | VERO | Falso |
Esempio 4:
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 | Importa panda come PD data = pd.DataFrame ( 'Nome': ['a', 'b', 'c', 'd', 'Roll Number': [25, 45, 23, 32], 'House': ['Blue', 'Green', 'Green', 'Yellow' ) df = pd.DataFrame ( 'Nome': ['a', 'b', 'c', 'd', 'Roll Number': [25, 45, 23, 32], 'House': ['Blue', 'Green', 'Green', 'Yellow' ) risultato = dati.isin (df) Stampa (risultato) stampa() df = pd.DataFrame ( 'Nome': ['a', 'b', 'c', 'd', 'Roll Number': [25, 45, 23, 32], 'House': ['Blue', 'Green', 'Green', 'Yellow' ) risultato = dati.isin (df) Stampa (risultato) |
Produzione:
| Nome | Rotolo | numero | Casa |
|---|---|---|---|
| 0 | VERO | VERO | VERO |
| 1 | VERO | VERO | VERO |
| 2 | VERO | VERO | VERO |
| 3 | VERO | VERO | VERO |
| Nome | Rotolo | numero | Casa |
|---|---|---|---|
| 0 | VERO | VERO | VERO |
| 1 | VERO | VERO | VERO |
| 2 | VERO | VERO | VERO |
| 3 | VERO | VERO | VERO |
Conclusione
Abbiamo discusso di Panda in Python, The DataFrame, la funzione Pandas isin () e alcuni esempi di metodo isin (). Il metodo isin () viene utilizzato per ottenere il telaio dati booleano che indica quali valori di input sono presenti nel frame dati.