Pandy dowolna metoda
Wyjaśniamy to również, ponieważ metoda „dowolna ()” wyświetla true, jeśli w kolumnie nie ma żadnej wartości null. Na przykład, jeśli kolumna zawiera wszystkie zero i jedną wartość niezerową, wynik jest „prawdziwy”. Wyświetla tylko „fałszywe” w przypadku, gdy wszystkie wartości wynoszą zero. Prezentujemy ten przewodnik wyjaśniający pojęcie metody „dowolnego ()” w „Pandy”. Spójrz na następujące kody, w których zastosowaliśmy metodę „dowolne ()” i uczynili działanie metody.
Przykład nr 01
W kodach użyjemy metod „Any ()” i wykonamy je w aplikacji „Spyder” w tym przewodniku. Musimy zaimportować „Pandy jako PD”, aby uzyskać dostęp do jego metody w naszym kodzie, ponieważ pracujemy z kodami pandy. Następnie generujemy ramkę danych o nazwie „DF” z trzema kolumnami, a wszystkie kolumny zawierają pewne dane liczbowe. Następnie utwórz kolumnę pierwszą z nazwą „A”, a dane, które do niej dodamy, to „1, 2, 0”. Kolumna „B” pojawia się po tym, w której wstawiamy „0, 2 i 4”. Mamy również kolumnę „C” i dodajemy w niej wszystkie zera jako „0, 0, 0”. Renderujemy „DF”, umieszczając go w „print ()”.
Teraz przeprowadzamy się, aby zastosować metodę „dowolne ()” do tego „DF”. Sprawdzi wszystkie kolumny osobno, a jeśli kolumna nie jest zerowa i zawiera pewną wartość liczbową inną niż zero, wówczas wyświetli wynik „prawdziwy”. Jeśli wszystkie wartości są zerowe lub zerowe, wówczas pokazuje „false”. Umieściliśmy tę metodę „Any ()” w metodzie „print ()”, aby wynik był renderowany na ekranie konsoli.
Dane wyjście jest uzyskiwane przez naciśnięcie klawiszy „Shift + Enter” na klawiaturze. Renderuje na terminalu aplikacji „Spyder”. Tutaj dane liczbowe pojawiają się w formie tabelary. Kolumna „A” zawiera dwie niezerowe wartości i jedną zero, więc wynik jest „prawdziwy”. W kolumnie „B” istnieją również dwie niezerowe, a trzecia to wartość liczbowa, więc zwraca „prawdziwe” dla „B”. Jednak trzecia kolumna „C” ma wszystkie wartości zero, więc zwraca „false” dla tej kolumny „C”.
Przykład nr 02
Zarówno „Pandy”, jak i „Numpy” są importowane odpowiednio jako „PD” i „NP”. Ponadto w „słowniku” są trzy kolumny, które tutaj zbudowaliśmy. Te kolumny nazywane są „a”, „b” i „c”, w których wkładamy „1, 2, 3, 4, 0, np. nan, 3 ”w„ a ”, a następnie„ 0, 0, 0, 0, 0, 0, 0 ”w kolumnie„ b ”i możemy również to opisać, jakbyśmy wstawili wszystkie zera w„ b ” kolumna. Trzecie i ostatnie kolumny zawierają „3, 1, 4, 5, 0, NP. Nan, 5 ”.
Następnie „Słownik” jest tworzony jako ramka danych, która jest następnie drukowana. Ustawiamy nazwę DataFrame na „Data11”. Below, we are utilizing the “any ()” method and putting “axis = 0” as its parameter. Ta metoda () jest stosowana do kolumn DataFrame, a następnie zwraca wynik. Renderujemy również następujący wynik, umieszczając „print ()”:
Kolumna „A” zawiera wartości liczbowe inne niż „0”, więc wynik tego jest „prawdziwy”. Kolumna „B” nie zawiera żadnej wartości liczbowej oprócz „0”; Wszystkie jego wartości to „0”, więc wynik jest „fałszywy”. Potem pojawia się ostatnia kolumna „C”, która ma wartości niezerowe, więc wynik jest „prawdziwy”.
Przykład nr 03
Ponownie importujemy zarówno „Pandy”, jak i „Numpy” jako „PD” i „NP”, jak wyjaśniliśmy w Code 2. „Liczby” to zmienna, w której tworzymy słownik z trzema kolumnami. Te kolumny to „C1, C i C3” tutaj. W kolumnie „C1” wchodzimy do „2, 4, 6, 4, 0, np. nan, 3 ”i„ 1, 3, 5, 7, 0, np. Nan, 5 ”znajdują się w drugiej kolumnie„ C2 ”i w kolumnie„ C3 ”, dodajemy„ 0, 0, 0, 0, 0, 0, 0, ”lub, alternatywnie,„ wszystkie zer.".
Słownik „liczb” jest następnie przekształcony w ramkę danych i drukowana. Nazwa DataFrame jest ustawiona na „Number1”. Następnie używamy metody „dowolnego ()” z ustawionym parametrem na „Axis = 1”. Rzędy danych danych są poddawane tej metodzie (), która następnie zwraca wynik. Dodajemy również „print ()”, aby przekazać ten wynik.
Wynik tego jest „prawdziwy” dla tych, którzy mają jakiekolwiek wartości liczbowe inne niż „0” i „fałszywe” dla tych, którzy mają tylko „0” i żadnych innych wartości liczbowych.
Przykład nr 04
W tym kodzie dodajemy wartości „prawdziwe” i „fałszywe” jako dane, a następnie stosujemy „dowolne ()” do tych wartości „prawdziwych i fałszywych”. Tworzymy tutaj tylko dwie kolumny, w których wstawiliśmy tylko wartości „prawdziwe” i „fałszywe” i zapisaliśmy je jako słownik w zmiennej „Any_Data”, a następnie zmieniają słownik na ramkę danych, a także wyświetlają tętom danych. Stosujemy metodę „dowolne ()” do tych danych i renderujemy wynik. Jego wynik jest „prawdziwy”, jeśli jedna wartość jest „prawdziwa” i „fałsz”, gdy wszystkie wartości są „fałszywe”.
Tutaj obie wartości kolumny „0” są „prawdziwe”, więc wynik jest „prawdziwy”. Wartości kolumny „1” są „fałszywe”, więc wynik jest „fałszywy”, ale w kolumnie „2”, jedna wartość jest „prawdziwa”, a druga wartość jest „fałszywa”, więc wyświetla „prawdziwe”, ponieważ jeden Wartość jest „prawdziwa”.
Przykład nr 05
Umieszczamy nazwę „Kolumna” i tworzymy słownik, który zawiera dwie kolumny z niektórymi danymi. Kolumna „A” ma „1, 2, 3, 4,5”, a kolumna „B” ma „6, 7, 8, 9, 10”. Po przekształceniu tego słownika na ramkę danych, drukujemy go i stosujemy metodę „dowolne ()”, w której stawiamy również warunek. W pierwszym „print ()” umieszczamy warunek, że wartości kolumny „b” są większe niż kolumna „a”. Jeśli jedna wartość w kolumnie „B” jest większa niż wartości kolumny „A”, to daje wynik „prawdziwy”. W drugim stanie wkładamy następny „print ()”, który sprawdzi wartości „b” i „a” oraz czy wartość kolumny „b” jest mniejsza niż wartość kolumny „a”.
Tutaj wartość kolumny „A” jest większa, więc wyświetla „prawdziwe”. Na poniższym obrazie zwraca „false”, ponieważ żadna wartość „b” nie jest mniejsza niż „a”:
Wniosek
Metoda „any ()” została wyjaśniona w dużej mierze i w bardzo prosty sposób w tym przewodniku. Głównym celem tego przewodnika jest pomoc w zrozumieniu pomysłu metody „Any ()” w Pandy. Zbadaliśmy, że ta metoda powoduje „true”, jeśli jedna wartość jest niezerowa w kolumnie, a także „prawdziwa”, jeśli jedna wartość jest „prawdziwa”. Daje to „fałsz” tylko wtedy, gdy wszystkie wartości są „fałszywe” lub wszystkie wartości to „zero”. Tutaj omawiamy również teoretyczne i praktyczne uzasadnienia tego koncepcji. Mamy nadzieję, że ten artykuł pomógł ci w nauce metody „Any ()”.