{"id":92283,"date":"2022-10-12T22:19:40","date_gmt":"2022-10-13T03:19:40","guid":{"rendered":"https:\/\/blogging-techies.com\/sw\/30-pandor-kommandon-for-att-manipulera-dataramar\/"},"modified":"2022-10-12T22:19:40","modified_gmt":"2022-10-13T03:19:40","slug":"30-pandor-kommandon-for-att-manipulera-dataramar","status":"publish","type":"post","link":"https:\/\/blogging-techies.com\/sw\/30-pandor-kommandon-for-att-manipulera-dataramar\/","title":{"rendered":"30 pandor kommandon f\u00f6r att manipulera dataramar"},"content":{"rendered":"
\n

Pandabiblioteket g\u00f6r pythonbaserad datavetenskap till en enkel resa. Det \u00e4r ett popul\u00e4rt Python-bibliotek f\u00f6r att l\u00e4sa, sl\u00e5 samman, sortera, rensa data och mer. \u00c4ven om pandor \u00e4r l\u00e4tta att anv\u00e4nda och applicera p\u00e5 datam\u00e4ngder, har den m\u00e5nga datamanipulerande funktioner att l\u00e4ra sig.<\/p>\n

Du kanske anv\u00e4nder pandor, men det finns en god chans att du underutnyttjar den f\u00f6r att l\u00f6sa datarelaterade problem. H\u00e4r \u00e4r v\u00e5r lista \u00f6ver v\u00e4rdefulla data som manipulerar pandorfunktioner som alla dataforskare borde k\u00e4nna till.<\/p>\n

<\/span> Installera pandor i din virtuella milj\u00f6<\/span><\/h2>\n

Innan vi forts\u00e4tter, se till att du installerar pandor i din virtuella milj\u00f6 med hj\u00e4lp av pip:<\/p>\n

pip install pandas<\/pre>\n
N\u00e4r du har installerat det, importera pandor<\/strong> \u00f6verst i ditt manus, och l\u00e5t oss forts\u00e4tta.<\/p>\n
<\/span>  1. pandas.DataFrame<\/span><\/h2>\n
Du anv\u00e4nder pandas.DataFrame()<\/strong> f\u00f6r att skapa en DataFrame i pandor.  Det finns tv\u00e5 s\u00e4tt att anv\u00e4nda den h\u00e4r funktionen.<\/p>\n
Du kan skapa en DataFrame kolumnvis genom att skicka en ordbok till pandas.DataFrame()<\/strong> fungera.  H\u00e4r \u00e4r varje nyckel en kolumn, medan v\u00e4rdena \u00e4r raderna:<\/p>\n
import pandasDataFrame = pandas.DataFrame({\"A\" : [1, 3, 4], \"B\": [5, 9, 12]})print(DataFrame)<\/pre>\n
Den andra metoden \u00e4r att bilda DataFrame \u00f6ver rader.  Men h\u00e4r ska du separera v\u00e4rdena (radobjekt) fr\u00e5n kolumnerna.  Antalet data i varje lista (raddata) m\u00e5ste ocks\u00e5 \u00f6verensst\u00e4mma med antalet kolumner.<\/p>\n
import pandasDataFrame = pandas.DataFrame([[1, 4, 5], [7, 19, 13]], columns= [\"J\", \"K\", \"L\"])print(DataFrame)<\/pre>\n
<\/span>  2. L\u00e4s fr\u00e5n och skriv till Excel eller CSV i pandor<\/span><\/h2>\n
Du kan l\u00e4sa eller skriva till Excel- eller CSV-filer med pandor.<\/p>\n
<\/span>L\u00e4ser Excel- eller CSV-filer<\/span><\/h3>\n
F\u00f6r att l\u00e4sa en Excel-fil:<\/p>\n
#Replace example.xlsx with the your Excel file path<\/strong> DataFrame = DataFrame.read_excel(\"example.xlsx\")<\/pre>\n
S\u00e5 h\u00e4r l\u00e4ser du en CSV-fil:<\/p>\n
#Replace example.csv with the your CSV file path<\/strong> DataFrame = DataFrame.read_csv(\"example.csv\")<\/pre>\n
<\/span>Skriver till Excel eller CSV<\/span><\/h3>\n
Att skriva till Excel eller CSV \u00e4r en v\u00e4lk\u00e4nd pandaoperation.  Och det \u00e4r praktiskt f\u00f6r att spara nyligen ber\u00e4knade tabeller i separata datablad.<\/p>\n
S\u00e5 h\u00e4r skriver du till ett Excel-ark:<\/p>\n
DataFrame.to_excel(\"full_path_of_the_destination_folder\/filename.xlsx\")<\/pre>\n
Om du vill skriva till CSV:<\/p>\n
DataFrame.to_csv(\"full_path_of_the_destination_folder\/filename.csv\")<\/pre>\n
Du kan ocks\u00e5 ber\u00e4kna de centrala tendenserna f\u00f6r varje kolumn i en DataFrame med hj\u00e4lp av pandor.<\/p>\n
S\u00e5 h\u00e4r f\u00e5r du medelv\u00e4rdet f\u00f6r varje kolumn:<\/p>\n
DataFrame.mean()<\/pre>\n
F\u00f6r median- eller l\u00e4gesv\u00e4rde, ers\u00e4tt betyda()<\/strong> med median()<\/strong> eller l\u00e4ge()<\/strong>.<\/p>\n
<\/span>  4. DataFrame.transform<\/span><\/h2>\n
pandor DataFrame.transform()<\/strong> \u00e4ndrar v\u00e4rdena f\u00f6r en DataFrame.  Den accepterar en funktion som ett argument.<\/p>\n
Till exempel multiplicerar koden nedan varje v\u00e4rde i en DataFrame med tre med Pythons lambda-funktion:<\/p>\n
DataFrame = DataFrame.transform(lambda y: y*3)print(DataFrame)<\/pre>\n
<\/span>  5. DataFrame.isnull<\/span><\/h2>\n
Denna funktion returnerar ett booleskt v\u00e4rde och flaggar alla rader som inneh\u00e5ller nollv\u00e4rden som Sann<\/strong>:<\/p>\n
DataFrame.isnull()<\/pre>\n
Resultatet av ovanst\u00e5ende kod kan vara sv\u00e5rt att l\u00e4sa f\u00f6r st\u00f6rre datam\u00e4ngder.  S\u00e5 du kan anv\u00e4nda isnull().sum()<\/strong> funktion ist\u00e4llet.  Detta returnerar en sammanfattning av alla saknade v\u00e4rden f\u00f6r varje kolumn:<\/p>\n
DataFrame.isnull().sum()<\/pre>\n
<\/span>  6. Dataframe.info<\/span><\/h2>\n
De info()<\/strong> funktion \u00e4r en viktig pandaoperation.  Den returnerar sammanfattningen av v\u00e4rden som inte saknas f\u00f6r varje kolumn ist\u00e4llet:<\/p>\n
DataFrame.info()<\/pre>\n
<\/span>  7. DataFrame.describe<\/span><\/h2>\n
De beskriva()<\/strong> funktionen ger dig sammanfattande statistik f\u00f6r en DataFrame:<\/p>\n
DataFrame.describe()<\/pre>\n
<\/span>  8. DataFrame.replace<\/span><\/h2>\n
Anv\u00e4nda DataFrame.replace()<\/strong> metod i pandor kan du ers\u00e4tta valda rader med andra v\u00e4rden.<\/p>\n
Till exempel att byta ogiltiga rader med Nan<\/strong>:<\/p>\n
# Ensure that you pip install numpy for this to work<\/strong> import numpyimport pandas# Adding an inplace keyword and setting it to True makes the changes permanent:<\/strong> DataFrame.replace([invalid_1, invalid_2], numpy.nan, inplace=True)print(DataFrame)<\/pre>\n
<\/span>  9. DataFrame.fillna<\/span><\/h2>\n
Denna funktion l\u00e5ter dig fylla tomma rader med ett visst v\u00e4rde.  Du kan fylla alla Nan<\/strong> rader i en dataupps\u00e4ttning med medelv\u00e4rdet, till exempel:<\/p>\n
DataFrame.fillna(df.mean(), inplace = True)print(DataFrame)<\/pre>\n
Du kan ocks\u00e5 vara kolumnspecifik:<\/p>\n
DataFrame['column_name'].fillna(df[column_name].mean(), inplace = True)print(DataFrame)<\/pre>\n
<\/span>  10. DataFrame.dropna<\/span><\/h2>\n
De dropna()<\/strong> metod tar bort alla rader som inneh\u00e5ller nollv\u00e4rden:<\/p>\n
DataFrame.dropna(inplace = True)print(DataFrame)<\/pre>\n
<\/span>  11. DataFrame.insert<\/span><\/h2>\n
Du kan anv\u00e4nda pandor F\u00f6ra in()<\/strong> funktion f\u00f6r att l\u00e4gga till en ny kolumn i en DataFrame.  Den accepterar tre nyckelord, den kolumnnamn<\/strong>, en lista \u00f6ver dess data och dess plats<\/strong>, som \u00e4r ett kolumnindex.<\/p>\n
S\u00e5 h\u00e4r fungerar det:<\/p>\n
DataFrame.insert(column = 'C', value = [3, 4, 6, 7], loc=0)print(DataFrame)<\/pre>\n
Ovanst\u00e5ende kod infogar den nya kolumnen vid nollkolumnindex (det blir den f\u00f6rsta kolumnen).<\/p>\n
<\/span>  12. DataFrame.loc<\/span><\/h2>\n
Du kan anv\u00e4nda loc<\/strong> f\u00f6r att hitta elementen i ett visst index.  F\u00f6r att se alla objekt p\u00e5 den tredje raden, till exempel:<\/p>\n
DataFrame.loc[2]<\/pre>\n
<\/span>  13. DataFrame.pop<\/span><\/h2>\n
Denna funktion l\u00e5ter dig ta bort en specificerad kolumn fr\u00e5n en pandas DataFrame.<\/p>\n
Den accepterar en Artikel<\/strong> nyckelord, returnerar den poppade kolumnen och separerar den fr\u00e5n resten av DataFrame:<\/p>\n
DataFrame.pop(item= 'column_name')print(DataFrame)<\/pre>\n
<\/span>  14. DataFrame.max, min<\/span><\/h2>\n
Att f\u00e5 maximala och l\u00e4gsta v\u00e4rden med pandor \u00e4r enkelt:<\/p>\n
DataFrame.min()<\/pre>\n
Ovanst\u00e5ende kod returnerar minimiv\u00e4rdet f\u00f6r varje kolumn.  F\u00f6r att f\u00e5 maximalt, byt ut min<\/strong> med max<\/strong>.<\/p>\n
<\/span>  15. DataFrame.join<\/span><\/h2>\n
De Ansluta sig()<\/strong> funktion av pandas l\u00e5ter dig sl\u00e5 samman DataFrames med olika kolumnnamn.  Du kan anv\u00e4nda v\u00e4nster, h\u00f6ger, inre eller yttre sammanfogning.  F\u00f6r att g\u00e5 med i en DataFrame med tv\u00e5 andra:<\/p>\n
#Left-join longer columns with shorter onesnewDataFrame = df1.join([df_shorter2, df_shorter3], how='left') print(newDataFrame)<\/pre>\n
F\u00f6r att ansluta DataFrames med liknande kolumnnamn kan du skilja dem \u00e5t genom att inkludera ett suffix till v\u00e4nster eller h\u00f6ger.  G\u00f6r detta genom att inkludera lsuffix<\/strong> eller rsuffix<\/strong> nyckelord:<\/p>\n
newDataFrame = df1.join([df2, rsuffix='_', how='outer') print(newDataFrame)<\/pre>\n
<\/span> 16. DataFrame.combine<\/span><\/h2>\n
The combine()<\/strong> function comes in handy for merging two DataFrames containing similar column names based on set criteria. It accepts a function<\/strong> keyword.<\/p>\n
For instance, to merge two DataFrames with similar column names based on the maximum values only:<\/p>\n
newDataFrame = df.combine(df2, numpy.minimum)print(newDataFrame)<\/pre>\n
Note<\/strong>: You can also define a custom selection function and insert numpy.minimum<\/strong>.<\/p>\n
<\/span> 17. DataFrame.astype<\/span><\/h2>\n
The astype()<\/strong> function changes the data type of a particular column or DataFrame.<\/p>\n
To change all values in a DataFrame to string, for instance:<\/p>\n
DataFrame.astype(str)<\/pre>\n
<\/span> 18. DataFrame.sum<\/span><\/h2>\n
The sum()<\/strong> function in pandas returns the sum of the values in each column:<\/p>\n
DataFrame.sum()<\/pre>\n
You can also find the cumulative sum of all items using cumsum()<\/strong>:<\/p>\n
DataFrame.cumsum()<\/pre>\n
<\/span> 19. DataFrame.drop<\/span><\/h2>\n
pandas\u2019 drop()<\/strong> function deletes specific rows or columns in a DataFrame. You have to supply the column names or row index and an axis to use it.<\/p>\n
To remove specific columns, for example:<\/p>\n
df.drop(columns=['colum1', 'column2'], axel=0)<\/pre>\n
S\u00e5 h\u00e4r sl\u00e4pper du rader p\u00e5 index 1, 3 och 4, till exempel:<\/p>\n
df.drop([1, 3, 4], axis=0)<\/pre>\n
<\/span>  20. DataFrame.corr<\/span><\/h2>\n
Vill du hitta korrelationen mellan heltals- eller flytande kolumner?  pandor kan hj\u00e4lpa dig att uppn\u00e5 det med hj\u00e4lp av corr()<\/strong> fungera:<\/p>\n
DataFrame.corr()<\/pre>\n
Ovanst\u00e5ende kod returnerar en ny DataFrame som inneh\u00e5ller korrelationssekvensen mellan alla heltals- eller flytande kolumner.<\/p>\n
<\/span>  21. DataFrame.add<\/span><\/h2>\n
De L\u00e4gg till()<\/strong> funktionen l\u00e5ter dig l\u00e4gga till ett specifikt nummer till varje v\u00e4rde i DataFrame.  Det fungerar genom att iterera genom en DataFrame och arbeta p\u00e5 varje objekt.<\/p>\n
F\u00f6r att l\u00e4gga till 20 till vart och ett av v\u00e4rdena i en specifik kolumn som inneh\u00e5ller heltal eller flytande, till exempel:<\/p>\n
DataFrame['interger_column'].add(20)<\/pre>\n
<\/span>  22. DataFrame.sub<\/span><\/h2>\n
Precis som additionsfunktionen kan du ocks\u00e5 subtrahera ett tal fr\u00e5n varje v\u00e4rde i en DataFrame eller specifik kolumn:<\/p>\n
DataFrame['interger_column'].sub(10)<\/pre>\n
<\/span>  23. DataFrame.mul<\/span><\/h2>\n
Detta \u00e4r en multiplikationsversion av additionsfunktionen f\u00f6r pandor:<\/p>\n
DataFrame['interger_column'].mul(20)<\/pre>\n
<\/span>  24. DataFrame.div<\/span><\/h2>\n
P\u00e5 samma s\u00e4tt kan du dividera varje datapunkt i en kolumn eller DataFrame med ett specifikt nummer:<\/p>\n
DataFrame['interger_column'].div(20)<\/pre>\n
<\/span>  25. DataFrame.std<\/span><\/h2>\n
Anv\u00e4nda std()<\/strong> funktion l\u00e5ter pandas dig ocks\u00e5 ber\u00e4kna standardavvikelsen f\u00f6r varje kolumn i en DataFrame.  Det fungerar genom att iterera genom varje kolumn i en dataupps\u00e4ttning och ber\u00e4kna standardavvikelsen f\u00f6r varje:<\/p>\n
DataFrame.std()<\/pre>\n
<\/span>  26. DataFrame.sort_values<\/span><\/h2>\n
Du kan ocks\u00e5 sortera v\u00e4rden stigande eller fallande baserat p\u00e5 en viss kolumn.  S\u00e5 h\u00e4r sorterar du en DataFrame i fallande ordning, till exempel:<\/p>\n
newDataFrame = DataFrame.sort_values(by = \"colmun_name\", descending = True)<\/pre>\n
<\/span>  27. DataFrame.melt<\/span><\/h2>\n
De sm\u00e4lta()<\/strong> funktion i pandor v\u00e4nder kolumnerna i en DataFrame till enskilda rader.  Det \u00e4r som att exponera anatomin i en DataFrame.  S\u00e5 det l\u00e5ter dig visa v\u00e4rdet som tilldelats varje kolumn explicit.<\/p>\n
newDataFrame = DataFrame.melt()<\/pre>\n
<\/span>  28. DataFrame.count<\/span><\/h2>\n
Denna funktion returnerar det totala antalet objekt i varje kolumn:<\/p>\n
DataFrame.count()<\/pre>\n
<\/span>  29. DataFrame.query<\/span><\/h2>\n
pandor fr\u00e5ga()<\/strong> l\u00e5ter dig ringa objekt med deras indexnummer.  F\u00f6r att f\u00e5 objekten i den tredje raden, till exempel:<\/p>\n
DataFrame.query('4') # Call the query on the fourth index<\/strong> <\/pre>\n
<\/span>  30. DataFrame.where<\/span><\/h2>\n
De var()<\/strong> funktion \u00e4r en pandafr\u00e5ga som accepterar ett villkor f\u00f6r att f\u00e5 specifika v\u00e4rden i en kolumn.  Till exempel att f\u00e5 alla \u00e5ldrar under 30 fr\u00e5n en \u00c5lder<\/strong> kolumn:<\/p>\n
DataFrame.where(DataFrame['Age'] < 30)<\/pre>\n
Ovanst\u00e5ende kod matar ut en DataFrame som inneh\u00e5ller alla \u00e5ldrar under 30 men tilldelar Nan<\/strong> till rader som inte uppfyller villkoret. .<\/p>\n
<\/span>  Hantera data som ett proffs med pandor<\/span><\/h2>\n
pandas \u00e4r en skattkammare av funktioner och metoder f\u00f6r att hantera sm\u00e5 till storskaliga datam\u00e4ngder med Python.  Biblioteket \u00e4r ocks\u00e5 praktiskt f\u00f6r att reng\u00f6ra, validera och f\u00f6rbereda data f\u00f6r analys eller maskininl\u00e4rning.<\/p>\n
Att ta sig tid att bem\u00e4stra det g\u00f6r definitivt ditt liv enklare som dataforskare, och det \u00e4r v\u00e4l v\u00e4rt anstr\u00e4ngningen.  S\u00e5 k\u00e4nn free att plocka upp alla funktioner du kan hantera.<\/p>\n
    Om f\u00f6rfattaren<\/strong><\/p>\n
            Idowu Omisola (123 artiklar publicerade)
<\/strong><\/p>\n
Idowu brinner f\u00f6r allt smart teknik och produktivitet.  I hans free tid, han leker med kodning och byter till schackbr\u00e4det n\u00e4r han har tr\u00e5kigt, men han \u00e4lskar ocks\u00e5 att bryta sig loss fr\u00e5n rutinen d\u00e5 och d\u00e5.  Hans passion f\u00f6r att visa m\u00e4nniskor v\u00e4gen runt modern teknik motiverar honom att skriva mer.<\/p>\n
                            Mer fr\u00e5n Idowu Omisola<\/p>\n
<\/span>Prenumerera p\u00e5 v\u00e5rt nyhetsbrev<\/span><\/h4>\n
G\u00e5 med i v\u00e5rt nyhetsbrev f\u00f6r tekniska tips, recensioner, free e-b\u00f6cker och exklusiva erbjudanden!<\/p>\n
Klicka h\u00e4r f\u00f6r att prenumerera<\/p>\n<\/p><\/div>\n  
\n
\n
Table of Contents<\/p>\nToggle<\/span><\/path><\/svg><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n