Los pandas cualquier método
También lo explicamos como el método "Any ()" se muestra verdadero si hay un valor no nulo en la columna. Por ejemplo, si la columna contiene todo el valor cero y un no cero, entonces el resultado es "verdadero". Solo muestra "falso" en el caso en que todos los valores son cero. Presentamos esta guía para explicar el concepto del método "Any ()" en "Pandas". Mire los siguientes códigos donde hemos utilizado el método "Any ()" y hará el funcionamiento del método.
Ejemplo # 01
Usaremos los métodos "Any ()" en los códigos y los realizaremos en la aplicación "Spyder" en esta guía. Debemos importar "Pandas como PD" para acceder a su método en nuestro código porque estamos trabajando con los códigos PANDAS. Luego generamos el marco de datos llamado "DF" con tres columnas, y todas las columnas contienen algunos datos numéricos. Luego cree la columna uno con el nombre "A", y los datos que le agregamos son "1, 2, 0". La columna "B" viene después de esto, en la que insertamos "0, 2 y 4". Además, tenemos la columna "C", y agregamos todos los ceros como "0, 0, 0". Renderizamos "DF" colocándolo en la "impresión ()".
Ahora, nos estamos moviendo para aplicar el método "Any ()" a este "DF". Verificará todas las columnas por separado, y si la columna no es nula y contiene algún valor numérico que no sea cero, mostrará el resultado "verdadero". Si todos los valores son cero o nulos, muestra el "falso" como resultado. Ponemos este método "cualquier ()" dentro del método "print ()" para que el resultado se represente en la pantalla de la consola.
La salida dada se obtiene presionando las teclas "Shift + Enter" en el teclado. Se presenta en la terminal de la aplicación "Spyder". Aquí, los datos numéricos aparecen en forma tabular a medida que hemos establecido esos datos en DataFarme. La columna "A" contiene dos valores distintos de cero y un cero, por lo que el resultado es "verdadero". En la columna "B", también hay dos distintos de cero, y el tercero es el valor numérico, por lo que devuelve "verdadero" para "B". Sin embargo, la tercera columna "C" tiene todos los valores cero, por lo que devuelve "falso" para esta columna "C".
Ejemplo # 02
Tanto "Pandas" como "Numpy" se importan como "PD" y "NP", respectivamente. Además, hay tres columnas en el "Diccionario" que hemos construido aquí. Estas columnas se denominan "A", "B" y "C" en las que estamos insertando "1, 2, 3, 4, 0, NP. nan, 3 "en el" A ", luego" 0, 0, 0, 0, 0, 0, 0 "en la columna" B "y también podemos describirlo como si hubiéramos insertado todos los ceros en el" B " columna. La tercera y última columna contienen "3, 1, 4, 5, 0, np. nan, 5 ".
Luego, el "Diccionario" se crea como un marcado de datos, que luego se imprime. Establecemos el nombre del DataFrame en "Data11". A continuación, estamos utilizando el método "any ()" y poniendo "axis = 0" como su parámetro. Este método de cualquier () se aplica a las columnas de DataFrame y luego devuelve el resultado. También representamos el siguiente resultado colocando "print ()":
La columna "A" contiene valores numéricos distintos de "0", por lo que el resultado para esto es "verdadero". La columna "B" no contiene ningún valor numérico, excepto "0"; Todos sus valores son "0", por lo que el resultado es "falso". Luego viene la última columna "C", que tiene los valores distintos de cero, por lo que el resultado es "verdadero".
Ejemplo # 03
Nuevamente importamos tanto "Pandas" como el "Numpy" como "PD" y "NP", respectivamente, como hemos explicado en el Código 2. El "números" es una variable en la que creamos el diccionario con tres columnas. Estas columnas son "C1, C y C3" aquí. En la columna "C1", estamos entrando en "2, 4, 6, 4, 0, np. nan, 3 "y" 1, 3, 5, 7, 0, np. Nan, 5 "se encuentran en la segunda columna" C2 "y en la columna" C3 ", estamos agregando" 0, 0, 0, 0, 0, 0, 0 "o, alternativamente," Todos los ceros.".
El diccionario de "números" se convierte en un marco de datos e impreso. El nombre de DataFrame se establece en "Numbers1". Luego usamos el método "Any ()" con el parámetro establecido en "Axis = 1". Las filas de DataFrame se someten a este método (), que posteriormente devuelve el resultado. También agregamos "print ()" para transmitir este resultado.
El resultado de esto es "verdadero" para aquellos que tienen valores numéricos que no sean "0" y "falso" para aquellos que solo tienen "0" y no otros valores numéricos.
Ejemplo # 04
En este código, estamos agregando valores "verdaderos" y "falsos" como datos y luego aplican el "any ()" a esos valores "verdaderos y falsos". Creamos solo dos columnas aquí en las que hemos insertado solo valores "verdaderos" y "falsos" y las almacenamos como un diccionario en la variable "Any_Data" y luego alteramos el diccionario al marco de datos y también muestran que DataFrame. Aplicamos el método "cualquier ()" a estos datos y representamos el resultado. Su resultado es "verdadero" si algún valor es "verdadero" y "falso" cuando todos los valores son "falsos".
Aquí, ambos valores de la columna "0" son "verdaderos", por lo que el resultado es "verdadero". Los valores de la columna "1" son "falsos", por lo que el resultado es "falso", pero en la columna "2", un valor es "verdadero", y el otro valor es "falso", por lo que se muestra "verdadero" porque uno el valor es "verdadero".
Ejemplo # 05
Ponemos el nombre "columna" y creamos un diccionario que contiene dos columnas con algunos datos. La columna "A" tiene "1, 2, 3, 4,5" y la columna "B" tiene "6, 7, 8, 9, 10". Después de convertir este diccionario en DataFrame, lo imprimimos y aplicamos el método "Any ()" en el que también colocamos una condición. En el primer "print ()", colocamos la condición de que los valores de la columna "B" sean mayores que la columna "A". Si algún valor de un solo valor en la columna "B" es mayor que los valores de la columna "A", entonces da un resultado "verdadero". En la segunda condición, estamos insertando la siguiente "print ()", que verificará los valores de "B" y "A" y si el valor de la columna "B" es menor que el valor de la columna "A".
Aquí, el valor de la columna "a" es mayor, por lo que muestra "verdadero". En la siguiente imagen, devuelve "falso" ya que ningún valor de "B" es más pequeño que "A":
Conclusión
El método "Any ()" se ha explicado en gran medida y de manera muy directa en esta guía. El objetivo principal de esta guía es ayudarlo a comprender la idea del método "cualquier ()" en Pandas. Hemos explorado que este método da como resultado "verdadero" si algún valor no es cero en la columna y también "verdadero" si algún valor es "verdadero". Solo da "falso" si todos los valores son "falsos" o todos los valores son "cero". Aquí, también discutimos las justificaciones teóricas y prácticas de este concepto. Con suerte, este artículo lo ayudó a aprender el método "Any ()".