Pandas alle Spalten außer
Methoden zum Zugriff auf alle Spalten mit Ausnahme eines oder mehrerer in "Pandas"
Die Methoden, die wir für den Zugriff auf alle Spalten mit Ausnahme der oder mehrere in „Pandas“ verwenden, werden unten erwähnt.
- Verwendung .LOC [] Methode.
- Unter Verwendung der Drop () -Methode.
- Verwenden von Serien.Differenz () Methode.
Beispiel 01: Verwenden .LOC [] Methode
Wir haben eine "Spyder" -App für Codes von "Pandas", die zur Erzeugung der "Pandas" -Codes verwendet wird. Wir wenden diese Methoden auf die „Pandas“ -Codes für den Zugriff auf alle Spalten mit Ausnahme eines an. Wir importieren die „Pandas als PD“, um auf die gewünschten „Pandas“ -Methoden zuzugreifen. Um auf eine Funktion zuzugreifen, müssen wir nur "PD" eingeben und nicht den langwierigen Namen "Pandas".”
Wenn wir hier Daten eingeben, erstellen und initialisieren wir dann eine Variable „Eigenschaft“. Indem wir die erste Spalte "S_NO" benennen, fügen wir hier das Serial No als "p1, p2, p3, p4 und p5" hinzu. Dann setzen wir die "Honour_Names" und fügen die Namen "Smith, Joseph, William, Samuel und Rick" hinzu. Wir fügen die Daten in Spaltenform hinzu. Die Spalte "Buyer_Names" folgt mit Namen: "Peter, James, Olivia, Leo und Bills". Dann haben wir die "Dealer_Names" mit Namen der Immobilienhändler: "Noah, Mishi, Taylor, Robert und Samuel".
Wir fügen auch die Spalte "Typ" mit dem Typ des Grundstücks ein: "Land, Haus, Wohnung, Laden und Haus". Verwenden Sie dann die „PD.DataFrame ”zum Ändern der oben genannten Daten in den DataFrame und nennen Sie IT„ Property1 “. Zunächst drucken wir den gesamten Datenrahmen, der alle Spalten enthält. Dann greifen wir auf alle Spalten auf die Spalte zu, die die Spalte „Dealer_Name“ mit der Verwendung der “ist.loc [] ”Methode.
Wir setzen Spalte ein, die auf alle Spalten zugreifen. Aber mit diesen Spalten fügen wir auch hinzu “! = Dealer_Name ”, um alle Spalten mit Ausnahme der Spalte" Dealer_Names "zurückzugeben. Es wird diese Spalte nicht am Terminal rendern. Wir speichern alle Spalten des Datenrahmens mit Ausnahme der Spalte "Dealer_Names" in der Variablen "Property2". Wir zeigen diese Spalten an, indem wir "Property2" in die Funktion "print ()" einfügen.
Wir greifen auf alle Spalten zu und zeigen sie an. Dies ist der Originaldatenrahmen. Dann erhalten wir alle Spalten mit Ausnahme der Spalte "Dealer_Name" mit Hilfe des ".loc [] ”Methode. So werden alle Spalten mit Ausnahme der Spalte "Dealer_Name" angezeigt.
Beispiel 02: Verwendung der Drop () -Methode
Starten Sie ein neues Beispiel, indem Sie "Pandas als PD" importieren. Danach haben wir die Variable „Esswaren“ und initialisieren diese, indem wir einige Informationen unten bereitstellen. Wir fügen die Fruchtnamen „Melone, Wassermelone, Kirsche und Birne“ hinzu und bezeichnen die erste Spalte als "fruit_names". Dann geben wir die Gemüsenamen „Karotten, Gurken, Spanisch und Zwiebel“ in die Spalte "veg_names" ein. Anschließend folgt die Spalte "Fast_food", die Namen "Burger, Pizza, Sandwich und Roll" enthält. Die Namen der Bäckereiartikel „Keks, Schokolade, Kuchen und Chips“ sind in den Abschnitt „Bakery_items“ eingegeben.
Wir fügen auch eine Spalte mit dem Namen "Dry_Fruits" hinzu, in der wir die verschiedenen Arten von Trockenfrüchten auflisten, die „Erdnuss, Walnuss, Kokos und Mandel“ sind. Verwenden Sie die „PD.DataFrame “, um die oben genannten Daten in einen Datenrahmen umzuwandeln. Durch Eingeben des Namens des Datenframe. Mit der "Drop" -Technik können wir mit Ausnahme der Spalte "fast_food" auf alle Spalten zugreifen.
Daher werden alle anderen Spalten als die Spalte "fast_food" zurückgegeben. Die Spalte "fast_food" wird am Terminal nicht angezeigt. Mit Ausnahme der Spalte "fast_food" speichern wir alle Spalten des DataFrame in der Variablen "Eatables2". Wenn wir „Essables2“ in die Methode „Print ()“ aufnehmen, können wir diese Spalten auf dem Terminal sehen.
Zunächst erhalten wir alle Spalten und zeigen sie an, was der ursprüngliche Datenrahmen ist. Durch die Verwendung der "Drop" -Methode erhalten wir alle Spalten mit der Spalte "fast_food" sichtbar.
Beispiel 03: Verwenden der Drop () -Methode zum Ausschluss von mehr als einer Spalte
"Pandas als PD" sollte importiert werden, um ein neues Beispiel zu beginnen. Der Variable „Haushalt“ ist der nächste, den wir haben. Wir initialisieren es, indem wir die folgenden Daten bereitstellen. "Bett, Tisch, Stuhl und Sofa" werden in die erste Kolumne mit dem Namen "Möbel" hinzugefügt. Dann tippten wir "Kühlschrank, LCD, Juicer_machine und Lüfter" in die Spalte "Elektrische". Die Spalte „Kitchen_items“ folgt mit Gegenständen „Teller, Glas, Tasse und Löffel“, die unter ihrer Spalte aufgeführt sind.
Zusätzlich fügen wir eine neue Spalte mit dem Namen "Washroom_items" hinzu, in der wir die Gegenstände „Dusche, Pfeife, Becken, Becher“ auflisten. Verwenden Sie die „PD.DataFrame ”-Funktion, um die Daten in einen Datenrahmen umzuwandeln. Wir drucken zunächst den vollständigen Datenrahmen, einschließlich aller Spalten. Wir können dann mit der "Drop" -Methode auf alle Spalten zugreifen, mit Ausnahme der Spalten "Möbel und Kitchen_items". Alle Spalten mit Ausnahme der Spalten „Möbel und Kitchen_items“ werden daher zurückgegeben.
Auf dem Terminal werden die Spalten „Möbel und Kitchen_items“ nicht angezeigt. Wir speichern alle Spalten des DataFrame in der Variablen „Haushalte2“, mit Ausnahme der Spalten „Möbel und kitchne_items“. Alle Spalten sind auf dem Terminal mit Ausnahme der beiden zu sehen, indem „essables2“ in den Befehl „print ()“ aufgenommen wird.
Der ursprüngliche Datenrahmen wird zuerst hier angezeigt, in dem wir alle Spalten erhalten. Die "Drop ()" -Technik wird dann verwendet, um alle Spalten sichtbar zu lassen, mit Ausnahme der beiden Spalten "Möbel und Kitchen_items" -Spalten.
Beispiel 04: Verwenden von Serien.Differenz () Methode
Es ist notwendig, „Pandas als PD“ zu importieren, bevor ein neues Beispiel beginnt. Wir initialisieren die folgende Variable, „Study_Data“, indem wir sie mit den folgenden Daten zur Verfügung stellen. Die Ergänzungen „CR1, CR2, CR3, CR4 und CR5“ werden in der ersten Spalte "cr_id" gemacht. Dann geben wir in der Spalte "CR" "Pandas, Linux, Spark, Python und Ubuntu" ein.
Danach sind die Gebühr für diese Kurse „12000, 13000, 14000, 15000 und 16000“ in der Spalte „Cr_fee“ enthalten. Außerdem wird eine andere Spalte mit dem Namen "CR_Duration" hinzugefügt, in der die Dauer dieser Kurse "25 Tage, 30 Tage, 35 Tage, 40 Tage und 45 Tage" beträgt. Nutzen Sie die „PD.DataFrame ”-Funktion, um die Daten in einen Datenrahmen zu verwandeln. Durch Hinzufügen des Namens des Datenframe.
Dann verwenden wir die „Serie. Differenz "Methode und die Spalte" cr_duration ", auf die nur mit dieser" Serie "zugegriffen werden kann. Differenz “Technik. Daher werden andere Spalten als "cr_duration" -Spalten zurückgegeben. Alle Spalten des Datenrahmens, ausgenommen die Spalten "cr_duration", werden in der Variablen "Study_Data2" gespeichert. Durch Einbeziehen von "Study_Data2" in den Befehl "print ()" drucken alle Spalten auf dem Terminal außer einem.
Hier präsentieren wir zunächst den ursprünglichen Datenrahmen, aus dem wir alle Spalten erhalten haben. Dann die „Serie verwenden“. Differenz () ”Methode, alle Spalten sind hier sichtbar, mit Ausnahme einer Spalte" cr_duration ".
Abschluss
Dies ist auf der "All -Spalte außer" in "Pandas".Wir haben besprochen, wie alle Spalten mit Ausnahme einer oder mehr als einer Spalte erhalten können. Wir haben in diesem Tutorial drei Methoden für den Zugriff auf alle Spalten mit Ausnahme eines oder mehrerer untersucht.