Ranga pandy

„Python oferuje dużą liczbę bibliotek. Jeśli chodzi o „pandy”, mamy również na myśli bibliotekę Python. Korzyści od nas w różnych obszarach, takich jak nauki danych i uczenie maszynowe, w których zarówno możemy użyć biblioteki „Pandy”. Dodatkowo pomaga w modyfikacji i zarządzaniu danymi. Możemy znaleźć „ranga” danych numerycznych, które wprowadziliśmy do „Pandy” Dataframe. Metoda „rank ()” jest dostępna w bibliotece „Pandy” do znalezienia rangi danych numerycznych. Metoda „rank ()” pomaga nam w obliczeniu rangi danych numerycznych. Ta metoda „rank ()” zostanie dokładnie wyjaśniona w tym przewodniku, wraz z funkcjonowaniem. W naszych kodach użyjemy również metod „rank ()”."

Składnia

Ramka danych.ranga (axis = 0, metoda = „średnia”, numeric_only = none, na_option = "keep", aspending = true/false, pct = false)

Przykład nr 01

Spyder to narzędzie, którego używamy do tworzenia tych kodów „pandy”, które są obecne w tym przewodniku. Import bibliotek jest pierwszym krokiem, który musimy podjąć podczas pisania kodu „Pandy”. Słowo kluczowe „import” służy do importowania biblioteki. Biblioteka „Pandy” to biblioteka, którą należy zaimportować. Po wpisaniu „importu” wpisujemy tutaj „Pandy jako PD”. Następnie tworzymy ramkę danych. „PD” pokazuje, że „dataFrame ()” jest metodą „pandy”, którą dostajemy tutaj, wpisując „PD” z tą metodą „dataFrame ()”.

Pierwsza kolumna to kolumna „Nazwa”, aw tej kolumnie wstawiamy „Los Angeles, Nowy Jork, Francja, Chicago, Denver, Delhi, Paryż, Stambuł i Boston”. Następnie dodajemy kolumnę „Parki”, która zawiera liczby parków takich jak „45, 58, 82, 90, 64, 75, 44, 81 i 59”. Mamy tutaj jeszcze dwie kolumny, które są „szpitalem” i „szkoły”. W kolumnie „szpitale” dodajemy „125, 115, 92, 100, 84, 105, 98, 99 i 159” oraz w kolumnie „Szkoły” dodajemy „95, 158, 182, 99, 74, dodajemy 115, 104, 81 i 99 ”. Teraz wykorzystujemy metodę „print ()”, aby wyświetlić tę strumień danych.

Możemy łatwo zobaczyć dane wyjściowe naszych kodów po kliknięciu ikonę „Uruchom” w narzędziu „Spyder”. Oto wynik tego kodu i można zauważyć, że w tym wyniku pokazano tylko oprawę danych, którą utworzyliśmy. Teraz użyjemy metody „rank ()”, aby uzyskać stopień danych liczbowych.

Najpierw tworzymy tutaj nową kolumnę, umieszczając nazwę DataFrame, i wstawiamy nową nazwę kolumny, która jest „szpitalem”, tutaj, tutaj. Następnie stosujemy metodę „rank ()” do kolumny „szpitale” i przechowujemy wynik nowej kolumny, którą utworzyliśmy tutaj. Następnie umieszczamy nazwę DataFrame w „print ()”, więc nowa kolumna jest również dodawana i renderowana na ekranie.

Daje rangę danych „szpitali” i wyświetla je w innej kolumnie, którą stworzyliśmy powyżej. Wyświetla wartości rang. Daje wartość rang „1” do najmniejszych wartości, a następnie tak dalej.

Stosujemy również tę metodę „ranga ()” do kolumny „Szkoły” i przechowujemy tutaj wartości rang w kolumnie „School_rank”. Nie przekazaliśmy żadnego parametru do tej funkcji „ranga ()”, aby dał rangę wartości kolumny „szkół” w kolejności rosnącej.

Kolumna „School_Rank” jest wyświetlana tutaj, aw tej kolumnie wymieniono wartości rang. Są to wartości rang kolumny „szkoły”, ponieważ stosujemy tę metodę do kolumny „Szkoły”.

Przykład nr 02

Tutaj powstaje „School_df”. Użyliśmy „PD.DataFrame () ”w celu wygenerowania ramki danych w„ Pandy ”, w wyniku czego utworzono tę ramkę danych. Dodatkowo dodajemy kilka kolumn, a te kolumny mają również dane. Kolumna, którą dodamy, najpierw to kolumna „Nazwa”. Następnie „Resse, Collins, Layla, Cora, Bromley, Ellis, Kelly i Bromley” są obecne w tej kolumnie. Poniższa kolumna, Ot_MARKS ”to miejsce, w którym dodajemy„ 150, 334, 39, 376, 585, 190, 453 i 669 ”. Tutaj trzecia kolumna jest oznaczona jako „Obt_per”, a my wprowadzamy procenty „30%, 55%, 10%, 58%, 75%, 33%, 62%i 81%” w tym.

Następnie mamy kolumnę „kwalifikuj”. Obejmuje następujące dane „nie promowane, promowane, nie promowane, promowane, promowane, nie promowane, promowane, promowane”. Teraz drukujemy tę ramkę danych, a następnie dodajemy nową kolumnę z nazwą „Student_Rank” w tej formie danych i stosujemy funkcję „rank ()” do kolumny „OT_MARKS”. Ustawiamy również wartość parametru „rosnącego” na „false”.

Gdy ta metoda „rank ()” ma zastosowanie do danych kolumny „OTT_MARKS”, wówczas zapisuje wartości „rangi” w kolumnie „Student_Rank”, która jest tutaj dodana do tej ramki danych. Następnie ponownie drukujemy ramkę danych, która zawiera również kolumnę „School_rank”.

Kolumna „Student_Rank” jest również wyświetlana w zaktualizowanej ramce danych i pokazuje ranga wartości kolumny „Ot_MARKS” w kolejności malejącej, ponieważ ustawiliśmy „false” jako wartość parametru „rosnącego”.

Przykład nr 03

W tym kodzie używamy metody „rank ()” do uzyskania wartości rankingu kolumny „Otm Marks”. Dodatkowo zmieniliśmy wartość parametru „rosnącego” na „true”. Gdy kolumna „Student_Rank” tej frame odbiera dane z kolumny „Otmij” metodą „rank ()”, wartości „rangi” są zapisywane później, stosując metodę „rank ()”. Następnie jest drukowana tutaj ponownie tutaj.

Ustawiamy „True” jako wartość dla opcji „Wzastawki” w metodzie „rank ()”, więc kolumna „Student_Rank”, która jest obecna w zmodyfikowanej ramce danych, wyświetla ranga wartości kolumny „Ot_MARKS” w kolejności rosnącej.

Przykład nr 04

Teraz stosujemy funkcję „rank ()”, a także sortujemy dane po uzyskaniu wartości rankingu. Tutaj znaleźliśmy wartości rankingowe „Otm_marks” uczniów i nie dodaliśmy żadnego parametru do tej metody „rank ()”. Następnie, po uzyskaniu wartości rang w kolejności rosnącej, przechowujemy te wartości, które otrzymujemy w kolumnie „Student_Rank” po zastosowaniu metody „rank ()”. Sorujemy te wartości za pomocą „SORT.wartości () ”i umieść nazwę kolumny, której dane chcemy w niej sortować, a ta nazwa kolumny to„ student_rank ”tutaj. Stawiamy również „true” jako wartość parametru „w miejscu”. Następnie ponownie drukujemy „School_df”, która zwróci sortowaną kolumnę „Student_Rank”.

Najpierw wyświetla wartości rang przed każdym wierszem w nowej kolumnie, która jest tutaj „student_rank”, a następnie sortuje te wartości, które są renderowane w kolumnie „Student_Rank”, a także pokazuje posortowane wartości rankingowe w poniższych „School_df."

Przykład nr 05

Teraz stosujemy metodę „rank ()” do pliku CSV. Aby to zrobić, musimy odczytać plik CSV za pomocą „PD.Metoda read () ”. Umieszczamy więc tę metodę tutaj, która odczytuje dane pliku CSV i zapisuje ją w zmiennej „my_data” w formie DataFrame. Następnie wstawiamy kolumnę „Ranga jednostki”, a dane, które otrzymujemy po zastosowaniu metody „rank ()” do kolumny „jednostki” pliku CSV, są następnie zapisywane w tej kolumnie. Następnie używamy „print ()” do wyświetlania ramki danych wraz z nową kolumną, którą dodaliśmy tutaj.

Są to dane z pliku CSV, a także można zauważyć, że wyświetlana jest kolumna „jednostka ranga”, która zawiera wartości rang, i otrzymujemy te wartości za pomocą metody „rank ()”.

Wniosek

Ten przewodnik ma szczegółowo opisać funkcję „rangi pandy”. Opisaliśmy, że zastosowaliśmy tę metodę znalezienia rangi danych numerycznych. W naszych kodach zastosowaliśmy również metodę „ranga ()” i pokazaliśmy wartości rankingowe w kolejności rosnącej, jak i malejącej. Sorujemy również wartości „rangi” tutaj w naszych kodach i szczegółowo wyjaśniliśmy te kody i tę metodę „ranga ()”. Zastosowaliśmy również tę metodę „rank ()” do danych pliku CSV i wyjaśniliśmy, jak to zrobić. Ten przewodnik opisał wszystko o metodzie „pand” „pand” z właściwym wyjaśnieniem.