Computer >> कंप्यूटर ट्यूटोरियल >  >> प्रोग्रामिंग >> Python

पैंडास डेटाफ्रेम में पंक्तियों के समूह को कैसे एक्सेस करें?


पैंडास डेटाफ्रेम में पंक्तियों के समूह को एक्सेस करने के लिए, हम loc() विधि का उपयोग कर सकते हैं। उदाहरण के लिए, यदि हम df.loc[2:5] का उपयोग करते हैं, तो यह 2 से 5 तक की सभी पंक्तियों का चयन करेगा।

चरण

  • दो-आयामी, आकार-परिवर्तनीय, संभावित विषम सारणीबद्ध डेटा, df बनाएं।
  • इनपुट डेटाफ्रेम, df प्रिंट करें।
  • 2 से 5 तक की पंक्तियों का चयन करने के लिए df.loc[2:5] का उपयोग करें।
  • डेटाफ्रेम प्रिंट करें।

उदाहरण

import pandas as pd
df = pd.DataFrame(
    {
        "x": [5, 2, 7, 0, 7, 0, 5, 2],
        "y": [4, 7, 5, 1, 5, 1, 4, 7],
        "z": [9, 3, 5, 1, 5, 1, 9, 3]
    }
)
print("Input DataFrame is:\n", df)
df = df.loc[2:5]
print("New DataFrame:\n", df)

आउटपुट

Input DataFrame is:
   x  y  z
0  5  4  9
1  2  7  3
2  7  5  5
3  0  1  1
4  7  5  5
5  0  1  1
6  5  4  9
7  2  7  3
New DataFrame:
   x  y  z
2  7  5  5
3  0  1  1
4  7  5  5
5  0  1  1

  1. पांडास डेटाफ्रेम को डेट द्वारा एग्रीगेट करके कैसे प्लॉट करें? पांडास डेटाफ्रेम को डेट द्वारा एग्रीगेट करके कैसे प्लॉट करें?

    पांडास डेटाफ्रेम को डेट द्वारा एग्रीगेट करके प्लॉट करने के लिए, हम निम्नलिखित चरण अपना सकते हैं: चरण फिगर साइज़ सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग एडजस्ट करें। दो-आयामी, आकार-परिवर्तनीय, संभावित रूप से विषम सारणीबद्ध डेटा का डेटा फ्रेम df बनाएं। डेट द्वारा एग्रीगेट किए गए पांडास डेटाफ्र

  1. - पैंडास DataFrame के प्रत्येक समूह पर एकत्रीकरण सूची कैसे लागू करें?

    एकत्रीकरण सूची लागू करने के लिए agg() विधि का उपयोग करें। सबसे पहले, आवश्यक लाइब्रेरी आयात करें:import pandas as pdदो कॉलम के साथ एक DataFrame बनाएं:dataFrame = pd.DataFrame({Car: [BMW, Lexus, Lexus, Mustang, Bentley, Mustang], Units: [100, 150, 110, 80, 110, 90]})agg() का उपयोग करके सूची को तर्

  1. पायथन - पैंडास डेटाफ्रेम से नल पंक्तियों को कैसे हटाएं पायथन - पैंडास डेटाफ्रेम से नल पंक्तियों को कैसे हटाएं

    पैंडास डेटाफ्रेम में नल पंक्तियों को हटाने के लिए, dropna() मेथड का उपयोग करें। मान लीजिए निम्नलिखित हमारी CSV फ़ाइल है जिसमें कुछ NaN यानी नल मान हैं: read_csv() का उपयोग करके CSV फ़ाइल पढ़ें। हमारा CSV डेस्कटॉप पर है: dataFrame = pd.read_csv(C:\\Users\\amit_\\Desktop\\CarRecords.csv) dropna() का