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

Pandas में बूलियन इंडेक्सिंग

बूलियन इंडेक्सिंग हमें बूलियन वेक्टर का उपयोग करके DataFrames से डेटा चुनने में मदद करती है। बूलियन इंडेक्सिंग का उपयोग करने के लिए हमें बूलियन इंडेक्स वाले DataFrame की आवश्यकता होती है। आइए देखें कि बूलियन इंडेक्सिंग कैसे प्राप्त करें।

  • डेटा का एक डिक्शनरी बनाएं।
  • इसे बूलियन इंडेक्स वेक्टर के साथ DataFrame ऑब्जेक्ट में बदलें।
  • अब, बूलियन इंडेक्सिंग का उपयोग करके डेटा तक पहुंचें।

आइडिया पाने के लिए नीचे दिए गए उदाहरण देखें।

उदाहरण

import pandas as pd

# डेटा
data = {
    'Name': ['Hafeez', 'Srikanth', 'Rakesh'],
    'Age': [19, 20, 19]
}

# बूलियन इंडेक्स वेक्टर के साथ DataFrame बनाना
data_frame = pd.DataFrame(data, index=[True, False, True])
print(data_frame)

आउटपुट

यदि आप उपरोक्त प्रोग्राम चलाते हैं, तो आपको निम्न परिणाम मिलेंगे।

     Name  Age
True  Hafeez  19
False Srikanth 20
True  Rakesh  19

अब, हम loc[], iloc[], ix[] मेथड्स को बूलियन पास करके DataFrame तक पहुंच सकते हैं। आइए उन सभी को देखें।

उदाहरण

# .loc() का उपयोग करके एक्सेस करना
print(data_frame.loc[True])

आउटपुट

यदि आप उपरोक्त कोड चलाते हैं, तो आपको निम्न परिणाम मिलेंगे।

     Name  Age
True  Hafeez  19
True  Rakesh  19

उदाहरण

# .iloc() का उपयोग करके एक्सेस करना
print(data_frame.iloc[1])  # iloc मेथड केवल इंटीजर लेता है इसलिए हम True के बजाय 1 पास कर रहे हैं। दोनों समान हैं।

आउटपुट

यदि आप उपरोक्त कोड चलाते हैं, तो आपको निम्न परिणाम मिलेंगे।

Name    Srikanth
Age     20
dtype: object

उदाहरण

# .ix[] का उपयोग करके एक्सेस करना
# हम .ix[] को बूलियन या इंटीजर मान दोनों पास कर सकते हैं
print(data_frame.ix[True])
print()
print(data_frame.ix[1])

आउटपुट

यदि आप उपरोक्त कोड चलाते हैं, तो आपको निम्न परिणाम मिलेंगे।

     Name  Age
True  Hafeez  19
True  Rakesh  19

Name    Srikanth
Age     20
dtype: object

बूलियन इंडेक्स का उपयोग करने का एक और तरीका है DataFrame को सीधे बूलियन वेक्टर पास करना। यह True मान वाली सभी पंक्तियों को प्रिंट करेगा। आइए एक उदाहरण देखें।

उदाहरण

import pandas as pd

# डेटा
data = {
    'Name': ['Hafeez', 'Srikanth', 'Rakesh'],
    'Age': [19, 20, 19]
}

# बूलियन इंडेक्स वेक्टर के साथ DataFrame बनाना
data_frame = pd.DataFrame(data)
print(data_frame)

आउटपुट

यदि आप उपरोक्त कोड चलाते हैं, तो आपको निम्न परिणाम मिलेंगे।

      Name  Age
0  Hafeez   19
1  Srikanth 20
2  Rakesh  19

अब, हम DataFrame को बूलियन वेक्टर पास करके डेटा तक पहुंच सकते हैं।

उदाहरण

# data_frame इंडेक्स को बूलियन वेक्टर पास करना
print(data_frame[[True, True, False]])

आउटपुट

यदि आप उपरोक्त कोड चलाते हैं, तो आपको निम्न परिणाम मिलेंगे। हमें केवल वही पंक्ति मिली जो True है।

      Name  Age
0  Hafeez   19
1  Srikanth 20

निष्कर्ष

यदि बूलियन इंडेक्स के बारे में आपको कोई संदेह है, तो मुझे कमेंट सेक्शन में बताएं।

  1. Python - Pandas .query() मेथड से डेटा फ़िल्टर करना Python - Pandas .query() मेथड से डेटा फ़िल्टर करना

    Pandas डेटा क्लींजिंग, डेटा एनालिसिस आदि के लिए बहुत व्यापक रूप से उपयोग की जाने वाली Python लाइब्रेरी है। इस आर्टिकल में हम देखेंगे कि कैसे हम query मेथड का उपयोग करके दिए गए डेटासेट से विशिष्ट डेटा प्राप्त कर सकते हैं। हम query के अंदर सिंगल और मल्टीपल दोनों कंडीशन्स रख सकते हैं। डेटा पढ़ना आइए पह

  1. - पायथन में पैंडास से निरपेक्ष और सापेक्ष आवृत्ति

    आंकड़ों में, आवृत्ति शब्द दिए गए डेटा नमूने में किसी मान की घटनाओं की संख्या को दर्शाता है। गणितीय और वैज्ञानिक विश्लेषण के लिए बने सॉफ़्टवेयर के रूप में, पैंडास के पास दिए गए नमूने से आवृत्ति की गणना करने के लिए कई अंतर्निहित विधियाँ हैं। निरपेक्ष आवृत्ति यह केवल आवृत्ति के समान है जहां डेटा तत्व

  1. पायथन में डेटा विश्लेषण और विज़ुअलाइज़ेशन पायथन में डेटा विश्लेषण और विज़ुअलाइज़ेशन

    पायथन डेटा विश्लेषण और विज़ुअलाइज़ेशन के लिए कई लाइब्रेरी प्रदान करता है मुख्य रूप से numpy, pandas, matplotlib, seaborn आदि। इस खंड में, हम डेटा विश्लेषण और विज़ुअलाइज़ेशन के लिए pandas लाइब्रेरी पर चर्चा करने जा रहे हैं जो numpy के ऊपर बनी एक ओपन सोर्स लाइब्रेरी है। यह हमें तेजी से विश्लेषण और डे