Die pandas jede Methode
Wir erklären es auch, als die Methode „Any ()“ true zeigt, ob in der Spalte keinen Nullwert vorhanden ist. Wenn beispielsweise die Spalte alle Null- und einen Wert ungleich Null enthält, ist das Ergebnis „wahr“. Es zeigt nur „false“ an, wenn alle Werte Null sind. Wir präsentieren diesen Leitfaden zur Erläuterung des Konzepts der „Any ()“ -Methode in „Pandas“. Sehen Sie sich die folgenden Codes an, in denen wir die Methode „Any ()“ verwendet haben, und werden die Arbeit der Methode erzeugen.
Beispiel # 01
Wir werden die Methoden „Any ()“ in den Codes verwenden und sie in der "Spyder" -App in diesem Handbuch ausführen. Wir müssen „Pandas als PD“ importieren, um in unserem Code auf seine Methode zuzugreifen, da wir mit den Pandas -Codes arbeiten. Anschließend generieren wir den DataFrame mit dem Namen "DF" mit drei Spalten, und alle Spalten enthalten einige numerische Daten. Erstellen Sie dann Spalte 1 mit dem Namen "A", und die Daten, die wir dazu hinzufügen, sind "1, 2, 0". Die Spalte "B" kommt danach, in der wir "0, 2 und 4" einfügen,. Außerdem haben wir die Spalte "C" und fügen alle Nullen als "0, 0, 0" hinzu. Wir rendern "DF", indem wir es in "print ()" eingeben ".
Jetzt bewegen wir uns, um die Methode "Any ()" auf diese "DF" anzuwenden. Es wird alle Spalten separat überprüft. Wenn die Spalte nicht null ist und einen anderen numerischen Wert als Null enthält, wird das "True" -Ergebnis angezeigt. Wenn alle Werte null oder null sind, zeigt es das „Falsche“ als Ergebnis an. Wir setzen diese Methode „jede ()“ in die Methode „Print ()“ ein, damit das Ergebnis auf dem Konsolenbildschirm auf dem Konsolenbildschirm gerendert wird.
Die angegebene Ausgabe wird erhalten, indem die Tasten „Shift + Enter“ auf der Tastatur getroffen wird. Es wird am Terminal der "Spyder" -App verteilt. Hier werden die numerischen Daten in der tabellarischen Form angezeigt, da wir diese Daten im Datenfarmen festgelegt haben. Die Spalte "A" enthält zwei Werte ungleich Null und eine Null, sodass das Ergebnis "wahr" ist. In Spalte "B" gibt es auch zwei ungleich Null, und der dritte ist der numerische Wert, sodass es "wahr" für "B" zurückgibt. Die dritte Spalte „C“ hat jedoch alle Werte Null, sodass sie für diese Spalte „C“ „Falsch“ zurückgibt.
Beispiel # 02
Sowohl "Pandas" als auch "Numpy" werden als "PD" bzw. "NP" importiert. Darüber hinaus gibt es drei Spalten im „Wörterbuch“, das wir hier konstruiert haben. Diese Spalten werden als "A", "B" und "C" bezeichnet, in denen wir "1, 2, 3, 4, 0, NP) einfügen. Nan, 3 "in der" A ", dann" 0, 0, 0, 0, 0, 0, 0 "in der Spalte" B "und wir können es auch so beschreiben, als hätten wir alle Nullen in das" B "eingefügt" Spalte. Die dritte und die letzten Spalten enthalten „3, 1, 4, 5, 0, NP. Nan, 5 ”.
Dann wird das „Wörterbuch“ als Datenrahmen erstellt, das dann gedruckt wird. Wir setzen den Namen des Datenrahmens auf "Data1111". Im Folgenden verwenden wir die Methode „Any ()“ und setzen „Axis = 0“ als Parameter ein. Diese medizinische Methode wird auf die DataFrame -Spalten angewendet und gibt dann das Ergebnis zurück. Wir machen auch das folgende Ergebnis, indem wir „print ()“ einlegen:
Die Spalte "A" enthält andere numerische Werte als "0", daher ist das Ergebnis dafür "wahr". Spalte "B" enthält keinen numerischen Wert außer "0"; Alle seine Werte sind "0", daher ist das Ergebnis "falsch". Dann kommt die letzte Spalte „C“, die die Werte ungleich Null aufweist, sodass das Ergebnis „wahr“ ist.
Beispiel # 03
Wir importieren erneut sowohl "Pandas" als auch den "Numpy" als "PD" bzw. "NP", wie wir in Code 2 erklärt haben. Die „Zahlen“ sind eine Variable, in der wir das Wörterbuch mit drei Spalten erstellen. Diese Spalten sind hier "C1, C und C3". In der Spalte „C1“ betreten wir „2, 4, 6, 4, 0, NP. Nan, 3, "1, 3, 5, 7, 0, NP. Nan, 5 ”befinden sich in der zweiten Spalte„ C2 “und in der Spalte„ C3 “fügen wir" 0, 0, 0, 0, 0, 0, 0, 0, "oder alternativ" alle Zeros hinzu.”.
Das "Zahlen" -Dictionary wird dann zu einem Datenrahmen gemacht und gedruckt. Der Name des DataFrame wird auf "Nummern1" gesetzt. Dann verwenden wir die Methode "Any ()" mit dem auf "Axis = 1" festgelegten Parameter. Die DataFrame -Zeilen unterliegen dieser Methode (), die das Ergebnis anschließend zurückgibt. Wir fügen auch "print ()" hinzu, um dieses Ergebnis zu vermitteln.
Das Ergebnis dafür ist „wahr“ für diejenigen, die andere Werte als „0“ und „falsch“ für diejenigen, die nur „0“ und keine anderen numerischen Werte haben.
Beispiel # 04
In diesem Code fügen wir "wahre" und "falsche" Werte als Daten hinzu und wenden dann die "beliebigen ()" auf diese "wahren und falschen" Werte an. Wir erstellen hier nur zwei Spalten, in denen wir nur "wahre" und "falsche" Werte eingefügt haben, und speichert sie als Wörterbuch in die Variable "Any_Data" und verändern das Wörterbuch anschließend in den Datenrahmen und zeigen diesen Datenrahmen auch an. Wir wenden die Methode „Any ()“ auf diese Daten an und rendern das Ergebnis. Sein Ergebnis ist „wahr“, wenn ein Wert „wahr“ und „falsch“ ist, wenn alle Werte „falsch“ sind.
Hier sind beide Werte der Spalte "0" "wahr", daher ist das Ergebnis "wahr". Die Spalte "1" -Werte sind "falsch", also ist das Ergebnis "falsch", aber in Spalte "2" ist ein Wert "wahr" und der andere Wert "falsch", so dass sie "wahr" angezeigt, weil einer Wert ist "wahr".
Beispiel # 05
Wir setzen den Namen „Spalte“ ein und erstellen ein Wörterbuch, das zwei Spalten mit einigen Daten enthält. Die Spalte „A“ hat „1, 2, 3, 4,5“ und die Spalte „B“ hat „6, 7, 8, 9, 10“. Nachdem wir dieses Wörterbuch in den Datenrahmen konvertiert haben, drucken wir es und wenden die Methode „Any ()“ an, in der wir auch eine Bedingung einstellen. In der ersten "print ()" platzieren wir die Bedingung, dass die Spalte "B" -Werte größer als Spalte "A" sind. Wenn ein Wert in Spalte "B" größer als die Spalte "A" -Werte ist, gibt es ein "wahres" Ergebnis an. In der zweiten Bedingung setzen wir die nächste "print ()" ein, die die Werte von "B" und "A" überprüft und ob der Wert der Spalte "B" geringer ist als der Wert der Spalte "A".
Hier ist der Wert der Spalte "A" größer, so dass er "wahr" zeigt. Im folgenden Bild wird „falsch“ zurückgegeben, da kein Wert von „B“ kleiner als „A“ ist:
Abschluss
Die Methode „Any ()“ wurde in diesem Leitfaden ausführlich und sehr unkompliziert erklärt. Das Hauptziel dieses Leitfadens ist es, Ihnen dabei zu helfen. Wir haben untersucht, dass diese Methode zu „wahr“ führt, wenn ein Wert in der Spalte ungleich Null und auch „wahr“ ist, wenn ein Wert „wahr“ ist. Es gibt nur "false", wenn alle Werte "falsch" oder alle Werte "Null" sind. Hier diskutieren wir auch die theoretischen und praktischen Begründungen dieses Konzepts. Hoffentlich half dieser Artikel Ihnen beim Erlernen der Methode „Any ()“.