Pandas DataFrame Slice

Pandas DataFrame Slice
"La biblioteca Open_source que" Python "proporciona es la biblioteca" Pandas ". Mediante el uso de métodos "pandas", podemos hacer varias tareas fácilmente. Nos ayuda mucho a hacer varias tareas, como nos ayuda a analizar y manipular datos. También podemos hacer los marcos de datos y aplicar muchas funciones que los "pandas" proporcionan a estos marcos de datos. Cuando hemos creado DataFrame, y después de crear DataFrame, debemos cortar ese marcador de datos. Entonces, para cortar el marco de datos, utilizamos diferentes métodos que proporcionan los "pandas". Podemos cortar las filas de un marco de datos, así como las columnas. Esta guía brindará información detallada sobre el corte en "pandas" y discutirá los métodos que podemos utilizar para cortar el marco de datos."

Métodos para cortar el marco de datos

Los métodos que ayudan a cortar las columnas y filas de DataFrame son los siguientes:

  • Marco de datos.método LOC.
  • Marco de datos.método ILOC.

Utilizaremos ambos métodos en nuestros códigos aquí y cortaremos las columnas, así como las filas del marco de datos y también daremos una explicación detallada de todos los conceptos aquí en esta guía.

Ejemplo # 01
Debemos necesitar cualquier software o herramienta para realizar los códigos, por lo que aquí usamos la herramienta "Spyder" para estos códigos "Pandas". Los módulos de "pandas" se importan primero. Entonces, colocamos la palabra clave "importar" e importamos los módulos de "Pandas como PD."Después de esto, debemos agregar el marco de datos aquí, por lo que reduciremos ese marco de datos más tarde. DataFrame aquí es "syllabus_df", y sabe que hemos agregado algunas columnas y filas a DataFrame.

La primera columna que vamos a agregar aquí es la columna "Exercio_no" en la que insertamos los números del ejercicio, y esos números son "Ex# 1.1, ex# 1.2, ex# 1.3, ex# 1.4, ex# 2.1, ex# 2.2, ex# 2.3, ex# 3.1 y ex# 3.2 ". Luego agregamos la columna "Unidad_no", que contiene "Unidad 1, Unidad 1, Unidad 1, Unidad 1, Unidad 2, Unidad 2, Unidad 2, Unidad 3 y Unidad 3". La columna "class_period" ahora está por delante, que tiene "segundo período, primer período, cuarto período, primer período, quinto período, 7º período, segundo período, tercer período y cuarto período". Luego se agrega una columna más, que se llama "class_days", y también insertamos los días que son "lunes, martes, jueves, sábados, miércoles, martes, jueves, sábados sábados."

Luego cierre los soportes de DataFrame aquí porque el DataFrame se completa aquí. Ahora, tenemos que mostrar este marco de datos, por lo que usamos el "print ()", que ayuda a mostrar este marco de datos. Ejecutamos este código y verá cómo se ve este marcado de datos.

Ahora necesitamos ejecutar este código. Por lo tanto, hacemos clic en el icono "Ejecutar" de esta herramienta para ejecutarla mientras operamos en la herramienta "Spyder". Después de eso, el marco de datos se representa en el resultado que sigue. DataFrame contiene nueve filas y cuatro columnas en ella. Ahora, cortaremos este marco de datos utilizando el método "pandas".

Utilizamos el método "Loc" en este código, y agregamos los nombres de esas columnas que queremos recortar el DataFrame. Aquí estamos cortando tres columnas, "Exercio_no, unit_no y class_dayss", utilizando el marcado de datos, y estas tres columnas se guardan en "syllabus_df2", que también se coloca en la "impresión", así que después de cortar las columnas de DataFrame, las columnas de DataSframe Las columnas en rodajas también se representan en la terminal.

Solo se muestran tres columnas aquí mientras cortamos esas columnas del marco de datos usando "LOC" y las mostramos aquí.

Ejemplo # 02
Se genera un marco de datos con el nombre "ex_patient_detail" y los campos "médico, pacientes, enfermedades y 1ST_VISIT_MONTH". La columna "Doctor" contiene los nombres del Doctor "Dr. Smith, Dr. Oscar, Dr. Bromley, DR. Pedro, DR. Albert, DR. Taylor, DR. Frijoles y Dr. Jayden "Los nombres de los pacientes" Megan, Jack, Jessica, Thomas, Sophie, Callum, Lewis, Liam "se colocan en el campo" Pacientes ". Luego, ingresamos a la "enfermedad" con los siguientes nombres "Problema del corazón, infección por pulmones, infección cerebral, problemas cardíacos, presión arterial, infección por intestino, daño en las piernas y problema renal."También incluimos los meses de primera visita de los pacientes, que son" enero, enero, febrero, marzo, mayo, julio, septiembre y diciembre."

La lista "ex_patient_detail" se convierte en el "ex_patient_df", que es el marco de datos en este caso. El "ex_patient_df" se imprime luego, y después de la impresión, pasamos a usar el método "LOC", que ayuda en la porción de columna. Los criterios que hemos proporcionado aquí deben cortar una columna de DataFrame. Reducimos el marco de datos de la columna de "pacientes" a la última columna. Luego, después de esto, mostramos las columnas en rodajas.

El primer marco de datos muestra cuatro columnas, pero luego cortamos las columnas de ese marco de datos de los "pacientes", y por debajo del marco de datos, la primera columna es la columna de "pacientes" porque la cortamos de la columna de "pacientes" hasta el final.

Ejemplo # 03
El marcado de datos anterior se utiliza nuevamente aquí, y estamos cortando este marco de datos de manera diferente. Aquí estamos cortando el marco de datos desde el principio, y termina en la columna de "enfermedad". Como se muestra a continuación, mencionamos que en el método "loc", corta la columna desde el inicio del marco de datos hasta la columna "Enfermedad". Este método "loc" cortará las columnas de ese marco de datos en consecuencia, como se menciona en ese método.

En el marcado de datos, que aparece después de cortar, puede ver que muestra columnas desde la columna inicial del DataFrame, y termina en la columna "Enfermedad" porque lo hemos mencionado en el método "LOC" en el código.

Ejemplo # 04
Ahora, cortaremos las filas en este ejemplo utilizando el método "ILOC". El "footballer_list" se crea primero en el que hemos agregado "William, 41, 78 y 5367000", que aparecerá como la primera fila del marco de datos después de convertir esta lista en DataFrame. A continuación, insertamos "James, 31, 75 y 345700"; Después de esto, agregamos "Jessica, 38, 70, 9867000", "Grace, 34, 80, 390000", "Liam, 40, 100, 4548000", "Callum, 33, 72, 7028000" y también "Ryan, 42," Ryan, 42, 42, 42 , 85, 2528000 ", que aparecerá como el tercero, cuarto, quinto, sexta y séptima fila respectivamente en el marco de datos a medida que cambiamos esta lista a DataFrame y también establecemos los nombres de la columna que" F_NAME, F_AGE, F_WEight y F_SALARY."

Entonces el DataFarme también se presenta aquí. Ahora, estamos cortando las filas de este marco de datos "Footballer_DF" colocando algunos valores en el método "ILOC". Ponemos "1: 5", lo que significa que cortará las filas de la fila del "Índice 1" a la fila "Índice 5". Por lo tanto, aparecerán cinco filas después de cortar las filas de DataFrame. Inicializamos el "Footballer_DF1" con este método "ILOC", por lo que las filas que cortamos usando este método almacenarán en esta variable. Luego volvemos a utilizar el "imprime ()" y colocamos el "footballer_df1", para que las filas en rodajas se imprimirán en el terminal.

DataFrame, antes de aplicar el método "ILOC", muestra todas las columnas y todas las filas del DataFrame. Luego cortamos las filas de este marco de datos utilizando el método "ILOC", y debajo de las filas en rodajas también se representan desde el índice 1 hasta el índice 5, que hemos colocado en el método "ILOC".

Conclusión

El propósito de escribir esta guía es dar una descripción detallada del concepto "DataFrame Slice" en "Pandas."Hemos discutido dos métodos," loc "e" Iloc ", en esta guía que ayudan a cortar las filas, así como las columnas del marco de datos especificado. Hemos utilizado ambos métodos en los códigos "pandas" en esta guía y también cortamos las columnas en un ejemplo y las filas en el otro ejemplo. Ya hemos explicado cómo cortamos las filas y también las columnas del marco de datos en esta guía. Hemos realizado múltiples códigos en esta guía, junto con la explicación y las salidas de cada código.