Pandas todas las columnas excepto
Métodos para acceder a todas las columnas, excepto una o más en "Pandas"
Los métodos que utilizamos para acceder a todas las columnas, excepto una o más en "Pandas", se mencionan a continuación.
- Usando .Método LOC [].
- Usando el método Drop ().
- Uso de la serie.Método de diferencia ().
Ejemplo 01: usando .Método LOC []
Tenemos una aplicación "Spyder" para hacer códigos de "pandas" que se utiliza en la generación de los códigos "pandas". Aplicamos esos métodos a los códigos "pandas" para acceder a todas las columnas, excepto una. Importamos los "pandas como pd" para acceder a los métodos "pandas" deseados. Ahora, para acceder a una función, solo necesitamos escribir "PD" en lugar del largo nombre "Pandas."
Luego, al ingresar datos aquí, ambos creamos e inicializamos una variable "propiedad". Al nombrar la primera columna "S_no", agregamos la serie No aquí como "P1, P2, P3, P4 y P5". Luego, ponemos los "Honour_Names" y agregamos los nombres "Smith, Joseph, William, Samuel y Rick". Agregamos los datos en forma de columna. La columna "Buyer_Names" sigue con los nombres: "Peter, James, Olivia, Leo y Bills". Luego, tenemos el "concesionario" con los nombres de los comerciantes de la propiedad: "Noah, Mishi, Taylor, Robert y Samuel".
También insertamos la columna "tipo" con el tipo de propiedad: "tierra, casa, apartamento, tienda y casa". Luego, utiliza el "PD.DataFrame "para cambiar los datos anteriores en DataFrame y nombre it It" Property1 ". Primero, imprimimos todo el marco de datos que contiene todas las columnas colocando el nombre del marco de datos en el método "print ()". Luego, estamos accediendo a todas las columnas, excepto la columna, que es la columna "Dealer_Name" con el uso del ".Método Loc [] ".
Ponemos columna que accede a todas las columnas. Pero con estas columnas, también agregamos "! = Dealer_Name "para devolver todas las columnas, excepto la columna" Dealer_Names ". No renderizará esta columna en la terminal. Almacenamos todas las columnas de DataFrame, excepto la columna "Dealer_Names" en la variable "Property2". Mostramos esas columnas colocando "Property2" en la función "print ()".
Accedemos a todas las columnas y las mostramos, que es el DataFrame original. Luego, obtenemos todas las columnas, excepto la columna "Dealer_Name" con la ayuda del ".Método Loc [] ". Entonces, todas las columnas aparecen excepto la columna "Dealer_Name".
Ejemplo 02: usando el método drop ()
Comience un nuevo ejemplo importando "Pandas como PD". Después de eso, tenemos la variable "comestibles" e inicializamos esto proporcionando información a continuación. Agregamos los nombres de la fruta "Melón, sandía, cereza y pera" y designamos la primera columna como "fruit_names". Luego, entramos en los nombres de vegetales "zanahoria, pepino, español y cebolla" en la columna "Veg_names". A continuación se muestra la columna "Fast_food", que incluye nombres "Hamburguesa, pizza, sándwich y rollo". Los nombres de los artículos de panadería "galletas, chocolate, pastel y papas fritas" se ingresan en la sección "Bakery_items".
También agregamos una columna llamada "Dry_fruits" donde enumeramos los diferentes tipos de frutas secas, que son "maní, nuez, coco y almendra". Usa el "PD.DataFrame ”para convertir los datos mencionados en un marco de datos. Al ingresar el nombre del DataFrame en el método "print ()", primero imprimimos todo el marco de datos, incluidas todas sus columnas. Usando la técnica "Drop", podemos acceder a todas las columnas, excepto la columna "Fast_Food".
Por lo tanto, todas las columnas que no sean la columna "Fast_Food" se devolverán. La columna "fast_food" no aparecerá en la terminal. Excepto por la columna "Fast_food", guardamos todas las columnas del marco de datos en la variable "Eatables2". Al incluir "eatables2" en el método "print ()", podemos ver esas columnas en el terminal.
Primero, obtenemos todas las columnas y las mostramos, que es el DataFrame original. Al usar el método "Drop", obtenemos todas las columnas excluyendo la columna "Fast_Food", visible.
Ejemplo 03: usando el método drop () para excluir más de una columna
"Pandas como PD" debe importarse para comenzar un nuevo ejemplo. El "hogar" variable es el siguiente que tenemos. Lo inicializamos proporcionando los datos a continuación. "Cama, mesa, silla y sofá" se agregan a la primera columna llamada "Muebles". Luego, escribimos "Fridge, LCD, Juicer_Machine y ventilador" en la columna "Eléctrica". Sigue la columna "Kitchen_Items", con los artículos "Placa, vidrio, taza y cuchara" en su columna.
Además, incluimos una nueva columna llamada "Washroom_Items" donde enumeramos los artículos "Ducha, tubería, cuenca, taza". Usa el "PD.Función de DataFrame ”para transformar los datos en un DataFrame. Primero imprimimos el cuadro de datos completo, incluidas todas sus columnas, especificando el nombre del DataFrame en el método "print ()". Luego podemos acceder a todas las columnas utilizando el método "Drop", excepto las columnas "Muebles y Kitchen_Items". Por lo tanto, se devolverán todas las columnas que excluyen las columnas "Muebles y Kitchen_Items".
En la terminal, las columnas "Muebles y Kitchen_Items" no aparecerán. Almacenamos todas las columnas de DataFrame en la variable "Househole2", excepto las columnas "Muebles y Kitchne_items". Todas las columnas se pueden ver en la terminal, excepto las dos al incluir "eatables2" en el comando "print ()".
El cuadro de datos original se muestra por primera vez aquí en el que obtenemos todas las columnas. La técnica "drop ()" se usa para hacer que todas las columnas sean visibles, excepto las dos columnas "Muebles y Kitchen_Items" columnas.
Ejemplo 04: Uso de la serie.Método de diferencia ()
Es necesario importar "Pandas como PD" antes de comenzar un nuevo ejemplo. Inicializamos la siguiente variable, "Study_Data" proporcionándole los datos a continuación. Las adiciones "CR1, CR2, CR3, CR4 y CR5" están hechas a la primera columna, "CR_ID". Luego, escribimos "Pandas, Linux, Spark, Python y Ubuntu" en la columna "CR".
Después de eso, la tarifa para estos cursos "12000, 13000, 14000, 15000 y 16000" se incluyen en la columna "CR_FEE". Además, se agrega otra columna llamada "CR_Duration", en la que la duración de estos cursos es "25 días, 30 días, 35 días, 40 días y 45 días". Hacer uso de la "PD.Función DataFrame ”para convertir los datos en DataFrame. Al agregar el nombre del DataFrame en el método "print ()", primero imprimimos todo el marco de datos, incluidas todas sus columnas.
Luego, utilizamos la "serie. Método de diferencia "y la columna" CR_Duration ", que es la única a la que no se puede acceder utilizando esta" serie. Técnica de diferencia ". Por lo tanto, se devolverán todas las columnas que no sean las columnas de "CR_Duration". Todas las columnas de DataFrame, excluyendo las columnas "CR_Duration", se almacenan en la variable "Study_Data2". Al incluir "study_data2" en el comando "print ()", todas las columnas se imprimen en el terminal, excepto una.
Aquí, primero presentamos el marco de datos original del que obtuvimos todas las columnas. Luego, utilizando la "serie. Método de diferencia () ", todas las columnas son visibles aquí, excepto una columna" CR_Duration ".
Conclusión
Esto está en la "columna todas excepto" en "Pandas."Hemos discutido cómo obtener todas las columnas, excepto una o más de una columna. Hemos explorado tres métodos en este tutorial para acceder a todas las columnas, excepto una o más.