Pandas en la función

“Python es uno de los mejores idiomas para analizar los datos y los resultados, en gran parte debido al fuerte entorno de los paquetes de Python que se centran en el manejo de datos. Una de esas herramientas que simplifican enormemente el proceso de importación y evaluación de datos es PANDAS. La función pandas at [] se usa para devolver datos dentro de un marco de datos en el punto aprobado. [posición, nombre de la columna] es el formato de la ubicación pasada. Este método funciona de manera similar a Pandas loc [], excepto en [] devuelve un solo valor y se ejecuta más rápidamente. Con la ayuda de la serie Pandas.En el atributo, podemos obtener un valor único para un conjunto de etiquetas de fila/columna. Este atributo y LOC ofrecen búsquedas basadas en etiquetas; Por lo tanto, son similares."

Cómo usar los pandas .AT FUNCIÓN?

En los pandas, el método AT se usa para extraer datos o valores específicos de un marco de datos y para extraer valores del objeto en serie. Usar el .AT Funcion for Series y DataFrame, tenemos que seguir su sintaxis. Veamos primero su sintaxis antes de usarla para extraer datos.

Sintaxis de .AT funcionan en Dataframes

La sintaxis del marco de datos.AT la función es el siguiente:

Sintaxis: Marco de datos.en [posición, etiqueta]

Dónde,

posición: Posición del elemento en la columna DataFrame.

etiqueta: Nombre de la columna a usar.

Valor de retorno: El valor ubicado allí es devuelto por el .At Método.

Errores: Si los argumentos dados como las etiquetas de la columna y el índice de fila están fuera de los límites o faltan desde el marco de datos, se plantea el error clave.

Sintaxis de la función Astype () en la serie

La sintaxis de la serie.AT la función es el siguiente:

Sintaxis: Serie.en[]

Parámetro: Ninguno

No se requiere parámetro para la serie.En el método, podemos obtener el valor simplemente utilizando el valor que queremos extraer dentro del paréntesis.

Devoluciones: Se pasa un valor único.

KeyError aumentará si la etiqueta de la serie está ausente.

Ahora, hemos visto la sintaxis del .en función con series y datos de datos. Implementaremos el .en la función con serie y marco de datos en los siguientes ejemplos, por lo que aprenderá cómo usar el .At Function Tis Yoursel.

Ejemplo # 1: Recupere los datos por índice y nombres de columnas en DataFrame utilizando DataFrame.en [] función

Ahora construamos un marco de datos con varias filas y columnas para que podamos demostrar nuestro ejemplo y examinar la salida. Antes de crear DataFrame, importaremos el módulo de Pandas. Los pandas son una de las herramientas más utilizadas en ciencia de datos y aprendizaje automático para limpiar y analizar datos. El pandas es la herramienta ideal para manejar estos datos caóticos del mundo real.

Los módulos pandas se han importado al script anterior. Creamos múltiples listas que contienen los registros de los deportistas. Luego creamos un marco de datos usando el PD.Función DataFrame (). Dentro del PD.DataFrame Function, hemos pasado nuestras listas (jugadores), columnas que contienen el nombre para cada columna de DataFrame e índice para nombrar el índice de nuestro DF DataFrame. Para ilustrar nuestro marco de datos DF, usaremos la función print () y dentro de ella, pasaremos nuestro DataFrame DF como entrada.

Puede ver que hay 4 columnas de nombre, edad, deportes y país que muestran los datos de seis deportistas de diferentes deportes que pertenecen a diferentes países.

Ahora, recuperaremos el valor del elemento del nombre de la columna "Sports" en el nombre de la fila "2".

Como puede ver, recuperó los deportes "bádminton" de la fila en el índice dos. Consideremos el ejemplo en el que intentamos recuperar el valor de una celda proporcionando un nombre de fila que no está presente.

La consola muestra un error clave porque, en nuestro marco de datos, no hay un índice con el nombre "7".

Ejemplo # 2: Recupere los datos de DataFrame utilizando el nombre de la variable

En primer lugar, importaremos la biblioteca Pandas en el entorno actual. Usaremos el mismo DataFrame DF en este ejemplo, que se creó en el Ejemplo # 1.

Después de importar pandas, hemos creado 2 variables LOC para almacenar la posición del índice y el col. Para almacenar el nombre de la columna. Asignamos 4 a la variable LOC y "nombre" a la variable COL, lo que significa que tiene que recuperar datos del cuarto índice de la columna de nombre. Para examinar el resultado del DataFrame.en la función, podemos imprimir el valor recuperado pasando su nombre de variable (i.mi., Get) en la función print ().

La salida se puede comparar, como se ve en la salida, y puede tenerse en cuenta que el valor en la columna de nombre en la cuarta posición es similar a la salida.

Este .en [] solo devuelve un solo valor, a diferencia de.Loc []. DataFrame.en [3: 6, Col], por lo tanto, devolverá un error. Este enfoque es más rápido que. loc [] porque solo se aplica a valores individuales.

Ejemplo # 3: Especifique o sobrescribe un valor en una fila/columna específica utilizando DataFrame.en[]

Usaremos DF DataFame, que se creó en el Ejemplo # 1. Primero, verificaremos los datos en nuestro DF DataFrame utilizando la función print ().

Supongamos que necesitamos cambiar los deportes en la fila 5. Como puede ver, actualmente el deporte en la fila 5 es tenis. Modificaremos el valor de la celda en este ejemplo. Uso de datos.Marco.en[]. Para sobrescribir o cambiar los datos, primero tenemos que acceder a esa celda específica.

Hemos accedido con éxito a la celda requerida. Ahora, estableceremos un nuevo valor en esta celda utilizando DataFrame.en [] función.

Hemos cambiado el valor de "tenis" a "baloncesto". Puede ver la salida imprimiendo nuestro DF DataFrame.

Puede observar que el valor en la fila 5 y los deportes de la columna se cambian al baloncesto. Usando .en [], solo puede establecer el valor de una columna o fila que existe en nuestro DataFrame; de lo contrario, mostrará un error en la consola.

Ejemplo # 4: recupere un solo valor en cualquier lugar en particular de una serie usando la serie.atribuye [] atributo

Hemos visto a partir de los ejemplos a continuación cómo puede extraer datos de células individuales de .en[]. Ahora, en este ejemplo, obtendremos el valor de la serie utilizando la serie.atribuye [] atributo. Primero, crearemos una serie de objetos después de importar el módulo pandas.

Como puede ver, creamos una serie que contiene los nombres de las personas. Para visualizar nuestra serie, se puede usar la función print ().

Tenemos una serie de 6 nombres, indexando de 0 a 5. Para recuperar los datos de una ubicación específica de una serie, simplemente podemos pasar el índice dentro de los paréntesis de la serie.atribuye [] atributo. Recuperemos el valor en la ubicación del índice 4.

Leo 'es el valor que se enumera en la posición 4 en el objeto de serie suministrado, como se puede ver en la salida de la serie.en atributo. También podemos establecer un valor en una ubicación de índice especificada en la serie utilizando series.en [] como lo hemos hecho en el ejemplo # 3.

Conclusión

En este artículo, hemos discutido cómo usar el .At [] propiedad para seleccionar o obtener un valor o datos de celda individual de un Pandas DataFrame. Implementamos diferentes ejemplos en este artículo utilizando DataFrame.en [] y serie.At [] atributo para que pueda aprender cómo recuperar los datos mediante nombres de índice y columna en el marco de datos, y recuperar datos de DataFrame utilizando un nombre de variable, especificar o sobrescribir un valor en una fila/columna específica.