Cara Menemukan Nilai Pandas DataFrame di Python – Codewithaden

Atribut Nilai DataFrame PANDAS Mengembalikan representasi numpy dari DataFrame yang diberikan. Tetapi disarankan untuk digunakan DataFrame.to_numpy () alih-alih. Properti Nilai DataFrame hanya mengembalikan nilai dalam DataFrame, dan Label kapak akan dihapus.

Temukan Pandas DataFrame Nilai di Python

Untuk menemukan nilai -nilai di dataFrame, gunakan properti Pandas DF Values. Properti Nilai DataFrame Mengembalikan representasi numpy dari DataFrame yang diberikan.

Pandas DataFrame adalah struktur data tabular dua dimensi-mutable, berpotensi heterogen dengan sumbu berlabel (baris dan kolom).

Operasi aritmatika sejajar pada label baris dan kolom. Ini dapat dianggap sebagai wadah seperti DICT untuk objek seri. Ini adalah struktur data primer panda.

Sintaksis

DataFrame.values 

Nilai pengembalian

Properti Nilai Mengembalikan array untuk mewakili representasi numpy dari DataFrame.

Contoh program di pandas.dataframe.values

Contoh 1: Tulis program untuk menunjukkan karya panda. DataFrame.values.

import pandas as pd

df = pd.DataFrame({'Name': ['Rohit', 'Ankit', 'Shivam', 'Shubh', 'Pranav'],
                   'Roll no.': [2, 4, 5, 7, 8],
                   'Marks': [75, 54, 87, 93, 74]})
print(df, "\n")
finaldata = df.values
print(finaldata)
 

Keluaran

Name  Roll no.  Marks
0   Rohit         2     75
1   Ankit         4     54
2  Shivam         5     87
3   Shubh         7     93
4  Pranav         8     74

[['Rohit' 2 75]
 ['Ankit' 4 54]
 ['Shivam' 5 87]
 ['Shubh' 7 93]
 ['Pranav' 8 74]] 

Di sini kita dapat melihat bahwa kita telah membuat a DataFrame terdiri dari detail a murid.

Di baris berikutnya, kita dapat melihat bahwa kita telah mencetak Numpy Representasi DataFrame itu.

Contoh 2: Tulis program untuk mengembalikan representasi numpy dari beberapa DataFrames, dan salah satu DataFrames harus berisi nilai -nilai DataType karakter.

Lihat kode berikut.

import pandas as pd
df1 = pd.DataFrame({'Name': ['Rohit', 'Ankit', 'Shivam', 'Shubh', 'Pranav'],
                    'Weight.': [60, 57, 43, 64, 24],
                    'City': ['Patna', 'Kolkata', 'Delhi', 'Mumbai', 'Jalandhar']})
print(df1, "\n")
finaldata = df1.values
print(finaldata)
df2 = pd.DataFrame({'Name': ['Rohit', 'Ankit', 'Shivam', 'Alisha', 'Anisha'],
                    'Age': [22, 14, 15, 17, 18],
                    'Gender': ['M', 'M', 'M', 'F', 'F']})
print("\n", df2)
finaldata2 = df2.values
print("\n", finaldata2)
 
Keluaran
 Name  Weight.       City
0   Rohit       60      Patna
1   Ankit       57    Kolkata
2  Shivam       43      Delhi
3   Shubh       64     Mumbai
4  Pranav       24  Jalandhar

[['Rohit' 60 'Patna']
 ['Ankit' 57 'Kolkata']
 ['Shivam' 43 'Delhi']
 ['Shubh' 64 'Mumbai']
 ['Pranav' 24 'Jalandhar']]

      Name  Age Gender
0   Rohit   22      M
1   Ankit   14      M
2  Shivam   15      M
3  Alisha   17      F
4  Anisha   18      F

 [['Rohit' 22 'M']
 ['Ankit' 14 'M']
 ['Shivam' 15 'M']
 ['Alisha' 17 'F']
 ['Anisha' 18 'F']] 

Dalam contoh di atas, kita dapat melihat bahwa kita telah membuat satu dataframe dan menyimpan nilainya ( Numpy representasi) di FinalData .

Setelah itu, kami mencetak DataFrame yang dihasilkan. Setelah itu, kami membuat kerangka data lain yang terdiri dari c Nilai Karakter dan Cetak DataFrame serta Representasi Numpy.

Lihat juga

Pandas DataFrame Apply ()

Pandas Dataframe menjelaskan ()

Pandas DataFrame Join ()

Pandas DataFrame Rank ()

Pandas DataFrame merge ()

Artikel ini berasal dari website Winpoin, dan kemudian diterjemahkan ke bahasa indonesia, baca artikel asli disini

Leave a Reply

Your email address will not be published. Required fields are marked *