Pand wszystkie kolumny oprócz
Metody uzyskiwania dostępu do wszystkich kolumn z wyjątkiem jednej lub więcej w „Pandy”
Metody, które wykorzystujemy do uzyskiwania dostępu do wszystkich kolumn, z wyjątkiem jednej lub więcej w „pandy”, są wymienione poniżej.
- Za pomocą .Metoda loc [].
- Za pomocą metody Drop ().
- Korzystanie z serii.Metoda różnicy ().
Przykład 01: Używanie .Metoda loc []
Mamy aplikację „Spyder” do robienia kodów „pandy”, która jest wykorzystywana do generowania kodów „pandy”. Stosujemy te metody do kodów „pandy” do dostępu do wszystkich kolumn oprócz jednej. Importujemy „Pandy jako PD”, aby uzyskać dostęp do żądanych metod „pand”. Teraz, aby uzyskać dostęp do funkcji, musimy tylko wpisać „PD”, a nie długą nazwę „Pandy."
Następnie, wprowadzając tutaj dane, zarówno tworzymy, jak i inicjujemy zmienną „właściwość”. Nazywając pierwszą kolumnę „S_NO”, dodajemy tutaj serial NO jako „P1, P2, P3, P4 i P5”. Następnie umieszczamy „Honour_names” i dodajemy nazwiska „Smith, Joseph, William, Samuel i Rick”. Dodajemy dane w formie kolumny. Kolumna „Buyer_names” następuje z nazwiskami: „Peter, James, Olivia, Leo i Bills”. Następnie mamy „nazwy delarentów” z nazwiskami dealerów nieruchomości: „Noah, Mishi, Taylor, Robert i Samuel”.
Wkładamy również kolumnę „Typ” z typem nieruchomości: „ziemia, dom, mieszkanie, sklep i dom”. Następnie użyj „PD.DataFrame ”w celu zmiany powyższych danych na ramkę danych i nazwij je„ właściwością 1 ”. Najpierw drukujemy całą ramkę danych zawierających wszystkie kolumny, umieszczając nazwę DataFrame w metodzie „print ()”. Następnie uzyskujemy dostęp do wszystkich kolumn z wyjątkiem jednej kolumny, która jest kolumną „delerer_name” z użyciem „.Metoda loc [] ”.
Umieszczamy kolumnę, która uzyskuje dostęp do wszystkich kolumn. Ale dzięki tym kolumnom dodajemy również „! = Nazwa_wodnika ”, aby zwrócić wszystkie kolumny oprócz kolumny„ Dealer_names ”. Nie renderuje tej kolumny na terminalu. Przechowujemy wszystkie kolumny DataFrame, z wyjątkiem kolumny „Dealer_names” w zmiennej „Property2”. Wyświetlamy te kolumny, umieszczając „Property2” w funkcji „print ()”.
Uzyskamy dostęp do wszystkich kolumn i wyświetlamy je, czyli oryginalnej ramki danych. Następnie otrzymujemy wszystkie kolumny oprócz kolumny „dealer_name” za pomocą „.Metoda loc [] ”. Więc pojawiają się wszystkie kolumny, z wyjątkiem kolumny „dealer_name”.
Przykład 02: Za pomocą metody Drop ()
Rozpocznij nowy przykład, importując „Pandy jako PD”. Następnie mamy zmienną „jedzenie” i zainicjujemy to, podając poniżej pewne informacje. Dodajemy nazwy owoców „melon, arbuz, wiśnia i gruszka” i wyznaczamy pierwszą kolumnę jako „Fruit_names”. Następnie wprowadzamy nazwy warzyw „marchewka, ogórek, hiszpański i cebuli” do kolumny „Veg_names”. Następnie jest kolumna „Fast_food”, która zawiera nazwy „burger, pizzę, kanapkę i rolkę”. Nazwy produktów piekarni „Biscuit, czekolada, ciasto i frytki” są wprowadzane w sekcji „Bakery_items”.
Dodajemy również kolumnę o nazwie „Dry_fruits”, w której wymieniamy różne rodzaje suchych owoców, które są „orzechami orzechowymi, orzechowymi, kokosowymi i migdałowymi”. Użyj „PD.DataFrame ”, aby przekonwertować wyżej wymienione dane na DataFrame. Wprowadzając nazwę nazwy danych w metodzie „print ()”, najpierw drukujemy całą ramkę danych, w tym wszystkie jego kolumny. Korzystając z techniki „upuść”, jesteśmy w stanie uzyskać dostęp do wszystkich kolumn, z wyjątkiem kolumny „Fast_food”.
Dlatego wszystkie kolumny inne niż kolumna „fast_food” zostaną zwrócone. Kolumna „Fast_food” nie pojawi się na terminalu. Z wyjątkiem kolumny „Fast_food”, zapisujemy wszystkie kolumny DataFrame w zmiennej „eatables2”. Uwzględniając „eatables2” w metodzie „print ()”, możemy zobaczyć te kolumny na terminalu.
Najpierw uzyskujemy wszystkie kolumny i wyświetlamy je, czyli oryginalnej ramki danych. Korzystając z metody „upuść”, otrzymujemy wszystkie kolumny z wyłączeniem kolumny „Fast_food”, widoczne.
Przykład 03: Za pomocą metody Drop () do wykluczenia więcej niż jednej kolumny
„Pandy jako PD” powinny być importowane, aby rozpocząć nowy przykład. Zmienna „gospodarstwo domowe” jest następnym. Zainicjujemy to, podając poniższe dane. „Łóżko, stół, krzesło i sofa” są dodawane do pierwszej kolumny o nazwie „Meble”. Następnie wpisaliśmy „lodówka, LCD, Jucer_Machine i Fan” w kolumnie „Electrical”. Kolumna „Kitchen_items” następuje, z przedmiotami „talerz, szkło, kubek i łyżka” wymienione pod jego kolumną.
Dodatkowo dołączamy nową kolumnę o nazwie „Undroom_Item”, w której wymieniamy przedmioty „prysznic, rurę, dorzecze, kubek”. Użyj „PD.Funkcja DataFrame ”, aby przekształcić dane w ramkę danych. Najpierw drukujemy kompletną ramkę danych, w tym wszystkie jego kolumny, określając nazwę strumienia danych w metodzie „print ()”. Następnie możemy uzyskać dostęp do wszystkich kolumn przy użyciu metody „upuść”, z wyjątkiem kolumn „Meble and Kitchen_Items”. W związku z tym wszystkie kolumny z wyłączeniem kolumn „Meble and Kitchen_Items” zostaną zwrócone.
Na terminalu kolumny „meble i kamizelki” nie pojawią się. Przechowujemy wszystkie kolumny DataFrame w zmiennej „Household2”, z wyjątkiem kolumn „meble i kitchne_items”. Wszystkie kolumny można zobaczyć na terminalu, z wyjątkiem dwóch, włączając „eatables2” w poleceniu „print ()”.
Oryginalna ramka danych jest po raz pierwszy wyświetlana tutaj, w której otrzymujemy wszystkie kolumny. Technika „Drop ()” jest następnie wykorzystywana do widoczności wszystkich kolumn, z wyjątkiem dwóch kolumn „Meble and Kitchen_Items”.
Przykład 04: Korzystanie z serii.Metoda różnicy ()
Konieczne jest import „pandy jako PD” przed rozpoczęciem nowego przykładu. Zainicjujemy następującą zmienną „Study_data”, dostarczając jej poniższe dane. Dodatki „CR1, CR2, CR3, CR4 i CR5” są wprowadzane do pierwszej kolumny „CR_ID”. Następnie w kolumnie „Cr” wpisujemy „Pandy, Linux, Spark, Python i Ubuntu”.
Następnie opłata za te kursy „12000, 13000, 14000, 15000 i 16000” są uwzględnione w kolumnie „Cr_fee”. Dodano także kolejną kolumnę o nazwie „Cr_Duration”, w której czas trwania tych kursów wynosi „25 dni, 30 dni, 35 dni, 40 dni i 45 dni”. Skorzystaj z „PD.Funkcja DataFrame ”, aby przekształcić dane w ramkę danych. Dodając nazwę DataFrame w metodzie „print ()”, najpierw drukujemy całą ramkę danych, w tym wszystkie jego kolumny.
Następnie korzystamy z serii „. Metoda różnicy i kolumna „Cr_Duration”, do której nie można uzyskać dostępu za pomocą tej „serii. różnica ”technika. Dlatego wszystkie kolumny inne niż kolumny „Cr_Duration” zostaną zwrócone. Wszystkie kolumny DataFrame, z wyłączeniem kolumn „Cr_Duration”, są przechowywane w zmiennej „Study_Data2”. Uwzględniając „Study_data2” w poleceniu „print ()”, wszystkie kolumny drukują na terminalu, z wyjątkiem jednego.
Tutaj najpierw przedstawiamy oryginalną ramkę danych, z której uzyskaliśmy wszystkie kolumny. Następnie, wykorzystując „serię. Metoda różnicy () ”, wszystkie kolumny są tutaj widoczne, z wyjątkiem jednej kolumny„ cr_duration ”.
Wniosek
To jest na „całej kolumnie z wyjątkiem” w „Pandy.„Omówiliśmy, jak zdobyć wszystkie kolumny oprócz jednej lub więcej niż jednej kolumny. W tym samouczku zbadaliśmy trzy metody dostępu do wszystkich kolumn z wyjątkiem jednej lub więcej.