Panda non in
Esempio # 01:
Lo strumento "Spyder" viene utilizzato per scrivere ogni script di codice che discuteremo in questa guida. Ogni volta che vogliamo sviluppare un nuovo codice "panda", dobbiamo importare alcuni moduli "panda". Questi possono essere importati semplicemente seguendo il termine "importazione" con la frase "panda come pd. Ora, quel "PD" è stato aggiunto a questo codice ogni volta che dobbiamo accedere alle funzioni di "panda". Ora, dobbiamo creare il frame dati.
La variabile "raw_record" è dove aggiungiamo alcuni dati che vogliamo inserire nel frame dati. Le date vengono aggiunte per prime che sono "12/08/22, 12/08/22, 13/08/22, 14/08/22, 15/08/22 e 17/08/22" nel "datato". Quindi, abbiamo "nome" in cui mettiamo "Penna, puntatore, gomma, graffio, scala e colla e colla". Dopo questo, aggiungiamo la quantità di questi elementi nella "quantità" che sono "18, 21, 36, 4, 15 e 9". Aggiungiamo anche il prezzo nella colonna "Prezzo" che è "350, 520, 220, 900, 90 e 250".
Ora stiamo inserendo il "PD.DataFrame () "che aiuta a convertire questo" raw_record "in" raw_record_df ", che è il nome di DataFrame. Quindi inizializziamo una variabile denominata "valori" con alcuni dati che sono "penna a sfera, puntatore, stick per colla". Dopo questo, stiamo applicando il filtro "non in" per il controllo di alcuni dati. Utilizziamo questo filtro "non in" con il metodo "isin ()". Per filtrare i dati utilizzando il metodo "non in", inseriamo il segno "~". Di seguito puoi vedere che abbiamo menzionato prima il nome del frame dati e al suo interno, posizioniamo il nome della colonna in cui vogliamo controllare i dati.
Posizioniamo il segno "~" prima di posizionare il nome della colonna con il nome del frame dati. Quindi, mettiamo il metodo "isin ()" dopo questo e passiamo la variabile "valori" a questa funzione "isin ()". Archiviamo il risultato che otteniamo dopo aver applicato questa funzione nella variabile "restaning_values". Ora, posizioniamo i "restaning_values" in "print ()", quindi il risultato che otteniamo qui dopo aver applicato questo filtro "non in" verrà visualizzato.
Potremmo ottenere rapidamente i risultati dei codici "Panda" nel "Spyder" premendo "Shift+Enter" o l'icona di corsa. Il risultato di questo codice contiene il frame dati con tutti i dati che abbiamo aggiunto ad esso. Quindi, filtra alcuni dati e visualizza quelle righe in cui la colonna "Penna a sfera, puntatore e colla" non sono presenti nella colonna "Nome". Filtriamo questo frame dati con l'aiuto del metodo filtro "non in".
Esempio # 02:
In questo esempio viene creato il frame dati "pre_rank_record" che contiene colonne "Name, Pre_rank e New_fee". Queste colonne contengono anche alcuni dati in essi. Nella colonna "Nome", abbiamo aggiunto "Stella, Tatum, George, Peter, Kenna e Lila". Quindi, mettiamo "Python, Database, Artificial Intelligence, Python, Web Development e Python" nella colonna "Pre_rank". Le commissioni che inseriamo nella colonna "Commissione" sono: "1300, 1900, 2000, 1300, 1500 e 1300". Stampiamo anche il "pre_rank_record" usando "print ()".
Dopo aver completato questo frame dati, mettiamo la variabile "valori1" e la inizializziamo con due nomi che sono "Stella e George". Quindi utilizziamo il filtro "non in" per filtrare le colonne "nome" in cui i nomi non sono nei valori che abbiamo aggiunto nella variabile Values1. Significa che il nome non è "Stella" né "George". Inseriamo il nome del frame dati, il simbolo "~" e il nome del frame dati insieme al nome della colonna in cui vogliamo filtrare i dati. La colonna in cui dobbiamo applicare questa funzione è la colonna "nome" e inseriamo anche il nome della variabile "valori1" nel metodo "isin ()".
Ora, vogliamo anche filtrare i dati dalla colonna "pre_rank". Per questo, inizializziamo la variabile "valori2" con alcuni dati dalla colonna "pre_rank" che vogliamo filtrare dalla colonna "pre_rank". Ora, inseriamo di nuovo il filtro "non in" per filtrare i dati e visualizzare le righe rimanenti in cui il "Python" non è presente nella colonna "pre_rank". Dopo questo, utilizziamo anche il filtro "non in" per filtrare i dati dall'ultima colonna che è "new_fee". Posizioniamo la variabile "valori3" e inizializziamo il "valori3" con due valori che abbiamo aggiunto nella colonna "new_fee". Quindi, stampiamo i valori rimanenti in cui i valori "valori3" non sono presenti.
Visualizza prima il telaio. Quindi, visualizza il frame dati che abbiamo inserito nel codice sopra. Innanzitutto, visualizza quelle righe di dati di dati "Stella e George" che non sono presenti nella colonna "Nome". Quindi, visualizza quelle righe in cui il "Python" non è presente nella colonna "Pre_rank" e visualizza anche quelle righe del frame dati in cui "1300 e 2000" non sono presenti nell'ultima colonna "New_fee".
Esempio # 03:
Utilizziamo il telaio di dati "Record" che contiene gli stessi dati che abbiamo aggiunto nel frame dati "pre_rank_record". Abbiamo appena cambiato il nome del frame dati qui. Ora stiamo filtrando i dati utilizzando il filtro "non in" con più colonne del Frame dati "pre_rank_record". Mettiamo "Tatum, Kenna, 1900" nella variabile "My_List1" in cui "Tatum e Kenna" sono i valori della colonna "Nome" e "1900" è il valore della colonna "new_fee".
Poiché abbiamo aggiunto i valori di due diverse colonne nella variabile "My_List1", inseriamo anche i nomi di entrambe le colonne in basso in cui utilizziamo il filtro "non in". Dopo aver aggiunto il nome del frame dati e del simbolo "~", mettiamo i nomi di entrambe le colonne con il nome del frame dati. Quindi, posizioniamo il metodo "isin ()" in cui passiamo la variabile "my_list1". Posizioniamo anche "axis = 1" con questo.
Ora inizializziamo un'altra variabile che è la variabile "MY_LIST2" con "Lila" e "Intelligenza artificiale". Qui "Lila" è il valore della colonna "nome" e "intelligenza artificiale" è il valore della colonna "pre_rank". Dopo questo, utilizziamo di nuovo il filtro "non in" nello stesso modo in cui abbiamo spiegato nelle righe sopra in questo esempio.
Dopo aver mostrato il frame dati completo, rende solo quelle righe in cui le righe non contengono "Tatum, Kenna e 1900" nelle colonne "Name" e "New_fee". Quindi, rende le righe in cui non abbiamo "Lila e intelligenza artificiale" nelle colonne "Nome" e "Pre_rank".
Conclusione
Il filtro "non in" è spiegato in questa guida in dettaglio insieme ai codici e ai risultati di quei codici. Abbiamo spiegato come filtrare i dati utilizzando il metodo "non in" e qual è il modo migliore di utilizzare questo metodo in "Panda". Abbiamo anche mostrato i codici in cui abbiamo utilizzato questo filtro "non in" con il metodo "isin ()" e abbiamo spiegato ogni fase del codice qui in dettaglio. Abbiamo reso i dati del telaio dati dopo aver applicato il metodo del filtro "non in" al telaio dati e abbiamo mostrato il telaio dati dopo aver applicato il filtro "non in" e abbiamo spiegato che visualizza i dati rimanenti del frame dati in cui sono i valori non presente che abbiamo menzionato nel metodo del filtro "non in".