Pandy nie w
Przykład nr 01:
Narzędzie „Spyder” służy do pisania każdego skryptu kodu, który omówimy w tym przewodniku. Za każdym razem, gdy chcemy opracować nowy kod „pandy”, musimy zaimportować kilka modułów „pandy”. Można je importować po prostu po terminu „import” z frazą „Pandy jako PD. Teraz „PD” został dodany do tego kodu, ilekroć musimy uzyskać dostęp do funkcji „pandy”. Teraz musimy utworzyć ramkę danych.
Zmienna „RAW_RECORD” to miejsce, w którym dodajemy dane, które chcemy wstawić do DataFrame. Daty są najpierw dodawane, które to „12/08/22, 12/08/22, 13/08/22, 14/08/22, 15/08/22 i 17/08/22” w „Dated”. Następnie mamy „nazwę”, w której umieszczamy „Pen, wskaźnik, wskaźnik, gumkę, zszywkę, skalę i klej”. Następnie dodajemy ilość tych pozycji w „ilości”, które wynoszą „18, 21, 36, 4, 15 i 9”. Dodajemy również cenę w kolumnie „Cena”, która to „350, 520, 220, 900, 90 i 250”.
Teraz wkładamy „PD.DataFrame () ”, który pomaga w przekształceniu tego„ RAW_RECORD ”w„ RAW_RECORD_DF ”, który jest nazwą DataFrame. Następnie zainicjujemy zmienną o nazwie „Wartości” z niektórymi danymi, które są „długopisem, wskaźnikiem, kleju”. Następnie stosujemy filtr „nie” do sprawdzania niektórych danych. Używamy tego filtra „nie” za pomocą metody „isin ()”. W celu filtrowania danych za pomocą metody „nie”, umieszczamy znak „~”. Możesz zobaczyć poniżej, że najpierw wspomnieliśmy o nazwieFrameframe, umieszczamy nazwę kolumny, w której chcemy sprawdzić dane.
Umieszczamy znak „~” przed umieszczeniem nazwy kolumny o nazwie DataFrame. Następnie po tym umieszczamy metodę „isin ()” i przekazujemy zmienną „wartości” do tej funkcji „isin ()”. Przechowujemy wynik, który otrzymujemy po zastosowaniu tej funkcji w zmiennej „pozostałych_values”. Teraz umieszczamy „pozostałe wartości” w „print ()”, więc wynik, który dostajemy tutaj po zastosowaniu filtra „nie w”, zostanie wyświetlony.
Możemy szybko uzyskać wyniki kodów „Pandy” w „Spyder”, naciskając „Shift+Enter” lub ikonę uruchomienia. Wynik tego kodu zawiera ramkę danych ze wszystkimi dodanymi do niego danych. Następnie filtruje niektóre dane i wyświetla te rzędy, w których „pióro kulkowe, wskaźnik i klej” nie są obecne w kolumnie „Nazwa”. Filtrujemy tę strumień danych za pomocą metody filtra „nie w”.
Przykład nr 02:
W tym przykładzie tworzona jest kolumny danych „pre_rank_record”, która zawiera kolumny „nazwa, pre_rank i nowa. Te kolumny zawierają również niektóre dane. W kolumnie „Nazwa” dodaliśmy „Stella, Tatum, George, Peter, Kenna i Lila”. Następnie umieszczamy „Python, bazę danych, sztuczna inteligencja, Python, Web Development i Python” w kolumnie „Pre_Rank”. Opłaty, które wstawiamy w kolumnie „Opłata” to: „1300, 1900, 2000, 1300, 1500 i 1300”. Drukujemy również „pre_rank_record” za pomocą „print ()”.
Po ukończeniu tej formy danych umieszczamy zmienną „wartości. Następnie używamy filtra „nie w” do filtrowania kolumn „nazwa”, w których nazwy nie znajdują się w wartościach, które dodaliśmy w zmiennej wartości1. Oznacza to, że nazwa nie jest „Stella” ani „George”. Umieszczamy nazwę DataFrame, symbolu „~” i nazwy DataFrame wraz z nazwą kolumny, w której chcemy filtrować dane. Kolumna, w której musimy zastosować tę funkcję, to kolumna „nazwa”, a także umieszczamy nazwę zmiennej „wartości1” w metodzie „isin ()”.
Teraz chcemy również filtrować dane z kolumny „pre_rank”. W tym celu inicjujemy zmienną „Wartości2” z niektórymi danymi z kolumny „pre_rank”, którą chcemy filtrować z kolumny „pre_rank”. Teraz ponownie umieszczamy filtr „nie” do filtrowania danych i wyświetlania pozostałych wierszy, w których „Python” nie jest obecny w kolumnie „Pre_Rank”. Następnie używamy również filtra „nie” do filtrowania danych z ostatniej kolumny, która jest „new_fee”. Umieszczamy zmienną „Wartości3” i inicjujemy „Wartości3” z dwiema wartościami, które dodaliśmy w kolumnie „NEW_FEE”. Następnie drukujemy pozostałe wartości, w których wartości „wartości3” nie są obecne.
Wyświetla ramkę danych, najpierw w tym wyniku. Następnie wyświetla ramkę danych, którą wprowadziliśmy w powyższym kodzie. Po pierwsze, wyświetla te rzędy DataFramewhere „Stella and George”, które nie są obecne w kolumnie „Nazwa”. Następnie wyświetla te wiersze, w których „Python” nie jest obecny w kolumnie „Pre_Rank”, a także wyświetla te rzędy DataFrame, w których „1300 i 2000” nie są obecne w ostatniej kolumnie „New_fee”.
Przykład nr 03:
Korzystamy z „zapisu”, która zawiera te same dane, które dodaliśmy w „Pre_Rank_Record”. Właśnie zmieniliśmy nazwę DataFrame tutaj. Teraz filtrujemy dane, wykorzystując filtr „nie w” z wieloma kolumnami „pre_rank_record”. Umieściliśmy „Tatum, Kenna, 1900” w zmiennej „My_List1”, w której „Tatum i Kenna” są wartościami kolumny „Nazwa”, a „1900” to wartość kolumny „NEW_FEE”.
Jak dodaliśmy wartości dwóch różnych kolumn w zmiennej „my_list1”, wkładamy również nazwy obu kolumn poniżej, w których używamy filtra „nie”. Po dodaniu nazwy DataFrame i symbolu „~” umieszczamy nazwy obu kolumn o nazwie DataFrame. Następnie umieszczamy metodę „isin ()”, w której przekazujemy zmienną „my_list1”. Umieszczamy również z tym „Oś = 1”.
Teraz inicjujemy inną zmienną, która jest zmienną „MY_LIST2” z „Lila” i „Sztuczną inteligencję”. Tutaj „Lila” to wartość kolumny „Nazwa”, a „sztuczna inteligencja” to wartość kolumny „Pre_Rank”. Następnie ponownie wykorzystujemy filtr „nie w” w taki sam sposób, jak wyjaśniliśmy w powyższych wierszach w tym przykładzie.
Po wyświetleniu kompletnej ramki danych renderuje tylko te wiersze, w których wiersze nie zawierają „tatum, kenna i 1900” w kolumnach „Nazwa” i „new_fee”. Następnie renderuje rzędy, w których nie mamy „lili i sztucznej inteligencji” w kolumnach „nazwa” i „pre_rank”.
Wniosek
Filtr „Not In” jest szczegółowo wyjaśniony w tym przewodniku wraz z kodami i wynikami tych kodów. Wyjaśniliśmy, jak filtrować dane za pomocą metody „nie w” i jaki jest najlepszy sposób użycia tej metody w „Pandy”. Pokazaliśmy również kody, w których zastosowaliśmy ten filtr „nie” za pomocą metody „isin ()” i szczegółowo wyjaśniliśmy każdy etap kodu. Po zastosowaniu metody filtra „nie w” przekazaliśmy dane z ramki danych do danych i pokazaliśmy ramkę danych po zastosowaniu filtra „nie w” i wyjaśniliśmy, że wyświetla pozostałe dane z ramki danych, w której wartości są nie obecne, o których wspomnialiśmy w metodzie filtra „nie”.