Filas de conteo de pandas con condición
Pandas nos permite determinar la forma de un marco de datos contando el número de filas y columnas en el marco de datos. Puede emplear una variedad de métodos para comprender el concepto para contar el número de filas y columnas en pandas. Estos incluyen "Len ()", "DF.forma [0] "," DF [DF.columnas [0]].Count () "," DF.Count () "y" DF.Métodos de tamaño () ". El más rápido de estos métodos es Len (), que veremos en este tutorial.
Comencemos a aprenderlo implementando prácticamente los códigos de ejemplo.
Utilizando el método pandas len ()
La técnica que implementaremos en esta ilustración es el método "len ()". Exploremos cómo está funcionando.
Todos los códigos de ejemplo que utilizaremos en este tutorial se implementan y ejecutan en Python utilizando la herramienta "Spyder". La primera tarea es instalar y ejecutar la herramienta "Spyder" en su computadora de escritorio o computadora portátil. Una vez que terminemos con el proceso de instalación, abrimos la herramienta y abrimos un nuevo archivo que tiene un ".extensión de py ". Aquí, "Py" representa "Python". Antes de comenzar a escribir nuestro código, necesitamos agregar algunos requisitos previos. Como el título de nuestro artículo nos dice brevemente que cualquier técnica que utilizaremos deben ser compatibles con la biblioteca "Pandas".
Por lo tanto, necesitamos agregar una biblioteca de pandas escribiendo el script "Importar pandas como PD". Ahora importamos la Biblioteca Pandas y declaramos que ahora se puede acceder a los pandas escribiendo "PD" en lugar de la forma completa "Pandas" en todo el programa. En el futuro, creamos un marco de datos de pandas donde ejercemos la técnica de pandas elegida. Para la construcción de un marco de datos, los pandas nos proporcionan un método muy simple y útil "PD.DataFrame () "donde" PD "se refiere a" Pandas "y" DataFrame "es la palabra clave utilizada para crear DataFrame.
Empleamos este método en nuestro script. Entre sus paréntesis, inicializamos tres columnas. El título de nuestra primera columna es "Grupo" que almacena ocho valores de cadena que son "X", "X", "X", "X", "Y", "Y", "Y" y "Y". La segunda columna en DataFrame es "POS" que también almacena 8 valores de cadena. Estos valores son "au", "bo", "bo", "bo", "au", "au" y "bu". La última columna aquí es "puntajes" y posee ocho valores enteros, yo.mi. "19", "23", "18", "15", "15", "12", "21" y "28". Cuando generamos un marco de datos, también tenemos que crear una variable o un objeto DataFrame para almacenar este marco de datos.
Aquí, la variable que creamos para dicho propósito es "Res". Luego, asignamos esta función a la salida generada al invocar el "PD.Método DataFrame () ". Ahora, para ver este marco de datos, creamos en el terminal que utilizamos la función "print ()" que muestra la salida. Ejecutemos este script de Python:
Para que se muestre la salida en el terminal, haga clic en el botón "Ejecutar archivo" en la herramienta "Spyder". Aquí está nuestro cuadro de datos inicial:
Utilizando el método len () con una condición
Ahora, tenemos que contar las filas de la columna especificada en el marco de datos que cumple con la condición proporcionada. Primero aplicaremos la condición en una sola columna para recuperar el número de filas que coinciden con la condición. Luego, lo aplicamos a las múltiples columnas del marco de datos. Para ambas técnicas, utilizamos el método "len ()" de los pandas. La sintaxis para este método para aplicar las condiciones en una sola columna se proporciona a continuación:
Según la sintaxis, invocamos el método "len ()" que cuenta el número de filas. Dentro de sus aparatos ortopédicos, especificamos una condición con el nombre del DataFrame y el nombre de la columna DataFrame. Seleccionamos la columna "Grupo" de nuestro DataFrame y especificamos una condición para ella. La condición dice que verifique si algún valor de la columna "grupo" es igual a "x". Cada vez que se combina la condición, el método "Len ()" cuenta la fila que la contiene.
Ahora, para almacenar este valor contado de filas que cumplían la condición, creamos una variable "recuento". Utilizamos el método "print ()" para mostrar un texto en el terminal antes de las filas contadas. Con el propósito de ver la salida de las filas contadas mostradas, nuevamente empleamos la función "print ()" y proporcionamos la variable "recuento" como parámetro.
Tenemos tanto DataFrame como las filas contadas que coinciden con la condición que se muestra en el terminal. Podemos tener en cuenta que el marco de datos tiene "4" filas que coinciden con la condición. También puede verificarlo comparándolo con el DataFrame anterior. La columna "Grupo" tiene 4 valores "x", por lo que se calcula mediante el método Pandas "Len ()".
Utilizando el método len () con múltiples condiciones
Contamos el número de filas con la condición para una sola columna en el ejemplo anterior. Ahora, aprenderemos a contar las filas para dos columnas. La sintaxis que sigue es:
Explicando esta sintaxis, se llama a la función "Len ()" para contar el número de filas que cumplen con las condiciones. Luego, mencionamos el nombre del DataFrame cuyas filas queremos contar. Ahora, el nombre de la primera columna con la condición particular, luego el nombre de la segunda columna del marco de datos con la condición especificada. Entre ambas condiciones se encuentra el operador "&". Este operador se llama operador "y". Cuando se encuentra entre dos declaraciones condicionales, eso significa que las filas solo se contarán si se cumplen ambas condiciones.
En nuestra ilustración, seleccionamos la columna "Grupo" y la columna "POS". Aplicamos las condiciones a ambas columnas. La condición en la columna "grupo" verifica los valores en esta columna particular que son iguales a "y". Mientras que la condición en "POS" verifica los valores iguales a "Bo". El operador "&" verifica los valores de la salida de ambos valores y verifica la condición. Por lo tanto, necesitamos el número de filas que tiene el valor "grupo" "X" y el "POS" igual a "Bo".
Creamos otra variable "Cal". Cuando se verifican las condiciones, la función "len ()" cuenta el número de filas y la almacena en la variable "Resultado". Por último, empleamos dos métodos "print ()", uno para mostrar un texto mientras que el otro para imprimir las filas contadas por la función "Len ()" almacenada en la variable "Cal".
La siguiente imagen de salida adjunta nos muestra que solo hay 3 filas en el marco de datos que cumplen con la condición especificada. De la columna "Grupo" y "POS", solo se recuperan tres filas que tienen "X" "Grupo" y el "POS" es "Bo". Déle unos segundos para verificar por sí mismo si la salida generada es correcta examinando el marco de datos que se muestra en la siguiente instantánea:
Aprendiste a aplicar las condiciones en dos columnas. Ahora, aplicarlos en varias columnas no lo meterá en problemas. Ahora aplicamos las condiciones en las tres columnas en el marco de datos y obtenemos solo el recuento de esas filas que cumplen con las tres condiciones.
La primera condición se aplica en la columna "grupo" para verificar los valores que son iguales a "y". Luego, los valores de "grupo" que son "y 'y el" POS "es" Bo ". Y la última condición que incluye las condiciones completas establece el "grupo" igual a "y" y el "POS" es "Bo" y los "puntajes" son mayores que "15". Recupere esos registros de DataFrame. El "Len ()" cuenta las filas y las almacena en la variable "Resultado". Utilice el método "print ()" para mostrar la salida.
La salida nos dice que hay 2 filas en el marco de datos que cumplen con las tres condiciones.
Conclusión
Pandas nos proporciona una variedad de características muy útiles e importantes. Este tutorial se basa en el método proporcionado por Pandas. Esta es la función "len ()" para contar el número de filas en un marco de datos determinado. En este aprendizaje, nuestro objetivo y objetivo es hacerle comprender cómo puede contar la cantidad de filas que cumple una condición definida. Explicamos cada paso de esta técnica explícitamente verbalmente, así como con la ayuda de códigos de ejemplo que se implementaron en la herramienta "Spyder". Pusimos un intento sincero de hacer que esta escritura sea lo más fácil y útil posible para que comprenda el concepto.