Pandas todas as colunas, exceto
Métodos para acessar todas as colunas, exceto uma ou mais em "pandas"
Os métodos que utilizamos para acessar todas as colunas, exceto as ou mais em "pandas" mencionadas abaixo.
- Usando .Método loc [].
- Usando o método DROP ().
- Usando série.Método ().
Exemplo 01: Usando .Método loc []
Temos um aplicativo "Spyder" para fazer códigos de "pandas" que são utilizados na geração dos códigos "pandas". Aplicamos esses métodos aos códigos "pandas" para acessar todas as colunas, exceto uma. Nós importamos os "pandas como PD" para acessar os métodos desejados de "pandas". Agora, para acessar uma função, precisamos digitar apenas “PD” em vez do nome longo.”
Então, ao inserir dados aqui, criamos e inicializamos uma variável "propriedade". Ao nomear a primeira coluna "s_no", adicionamos o serial não aqui como "p1, p2, p3, p4 e p5". Em seguida, colocamos os “HONOUR_NAMES” e adicionamos os nomes “Smith, Joseph, William, Samuel e Rick”. Adicionamos os dados em forma de coluna. A coluna “Buyer_Names” segue com nomes: “Peter, James, Olivia, Leo e Bills”. Então, temos o "Dealer_names" com os nomes dos revendedores de propriedade: "Noah, Mishi, Taylor, Robert e Samuel".
Também inserimos a coluna "Tipo" com o tipo de propriedade: "Terra, casa, apartamento, loja e casa". Em seguida, utilize o “PD.DataFrame ”para alterar os dados acima para o DataFrame e nomear -os“ Property1 ”. Primeiro, imprimimos todo o quadro de dados contendo todas as colunas colocando o nome do DataFrame no método "print ()". Em seguida, estamos acessando todas as colunas, exceto a coluna que é a coluna "Dealer_name" com o uso do ".LOC [] ”Método.
Colocamos a coluna que acessamos todas as colunas. Mas com essas colunas, também adicionamos “! = Dealer_name ”para retornar todas as colunas, exceto a coluna“ Dealer_names ”. Não renderá esta coluna no terminal. Armazenamos todas as colunas do DataFrame, exceto a coluna "Dealer_Names" na variável "Property2". Exibimos essas colunas colocando "Property2 na função" print () ".
Acessamos todas as colunas e as exibimos, que é o DataFrame original. Em seguida, obtemos todas as colunas, exceto a coluna "Dealer_name" com a ajuda do ".LOC [] ”Método. Então, todas as colunas aparecem, exceto a coluna "Dealer_name".
Exemplo 02: Usando o método Drop ()
Inicie um novo exemplo importando “pandas como PD”. Depois disso, temos a variável "comestíveis" e inicializamos isso fornecendo algumas informações abaixo. Adicionamos os nomes de frutas "Melão, melancia, cereja e pêra" e designamos a primeira coluna como "Fruit_names". Em seguida, entramos nos nomes de vegetais "cenoura, pepino, espanhol e cebola" na coluna "veg_names". Depois disso, a coluna "fast_food", que inclui nomes "Burger, Pizza, Sandwich e Roll". Os nomes dos itens de padaria "Biscoit, Chocolate, Cake e Chips" são inseridos na seção "Bakery_items".
Também adicionamos uma coluna chamada "Dry_Fruits", onde listamos os diferentes tipos de frutas secas, que são "amendoim, nozes, coco e amêndoa". Use o “PD.DataFrame ”para converter os dados mencionados em um quadro de dados. Ao inserir o nome do DataFrame no método "print ()", primeiro imprimimos todo o quadro de dados, incluindo todas as suas colunas. Usando a técnica "Drop", podemos então acessar todas as colunas, exceto a coluna "fast_food".
Portanto, todas as colunas que não a coluna "fast_food" serão devolvidas. A coluna "fast_food" não aparecerá no terminal. Exceto pela coluna "fast_food", salvamos todas as colunas do quadro de dados na variável "Eatables2". Ao incluir "Eatables2" no método "print ()", podemos ver essas colunas no terminal.
Primeiro, obtemos todas as colunas e as exibimos, que é o quadro de dados original. Ao usar o método "Drop", obtemos todas as colunas excluindo a coluna "fast_food", visível.
Exemplo 03: Usando o método Drop () para excluir mais de uma coluna
"Pandas como PD" deve ser importado para iniciar um novo exemplo. A variável "família" é a próxima que temos. Inicializamos, fornecendo os dados abaixo. “Cama, mesa, cadeira e sofá” são adicionados à primeira coluna chamada “Móveis”. Em seguida, digitamos "Flidge, LCD, Juicer_machine e Fan" na coluna "elétrica". A coluna “Kitchen_items” segue, com itens “Placa, vidro, copo e colher” listados em sua coluna.
Além disso, incluímos uma nova coluna chamada "Washroom_items", onde listamos os itens "chuveiro, tubo, bacia, caneca". Use o “PD.Função de DataFrame ”para transformar os dados em um DataFrame. Primeiro imprimimos o quadro de dados completo, incluindo todas as suas colunas, especificando o nome do DataFrame no método "print ()". Em seguida, podemos acessar todas as colunas usando o método "Drop", exceto as colunas "móveis e kitchen_items". Todas as colunas excluindo as colunas “móveis e cozinha_items” serão devolvidas.
No terminal, as colunas "móveis e kitchen_items" não aparecem. Armazenamos todas as colunas do quadro de dados na variável "doméstico2", exceto as colunas "móveis e kitchne_items". Todas as colunas podem ser vistas no terminal, exceto as duas, incluindo "Eatables2" no comando "print ()".
O DataFrame original é exibido aqui na qual obtemos todas as colunas. A técnica "Drop ()" é usada para obter todas as colunas de todas as colunas, exceto as duas colunas "móveis e kitchen_items".
Exemplo 04: Usando a série.Método ()
É necessário importar “pandas como PD” antes de iniciar um novo exemplo. Inicializamos a seguinte variável, "Study_Data", fornecendo os dados abaixo. As adições “CR1, CR2, CR3, CR4 e CR5” são feitas na primeira coluna, “Cr_id”. Em seguida, digitamos “Pandas, Linux, Spark, Python e Ubuntu” na coluna “CR”.
Depois disso, a taxa para esses cursos “12000, 13000, 14000, 15000 e 16000” está incluída na coluna “CR_FEE”. Além disso, outra coluna chamada "Cr_Duration" é adicionada, na qual a duração desses cursos é "25 dias, 30 dias, 35 dias, 40 dias e 45 dias". Use o “PD.Função de DataFrame ”para transformar os dados em um DataFrame. Ao adicionar o nome do DataFrame no método "Print ()", primeiro imprimimos todo o DataFrame, incluindo todas as suas colunas.
Então, utilizamos a “série. Método da diferença ”e a coluna“ Cr_Duration ”, que é a única que não pode ser acessada usando esta“ série. Técnica de diferença ”. Portanto, todas as colunas que não sejam as colunas “Cr_Duration” serão devolvidas. Todas as colunas do quadro de dados, excluindo as colunas "Cr_Duration", são armazenadas na variável "Study_Data2". Ao incluir "Study_Data2" no comando "print ()", todas as colunas impressam no terminal, exceto um.
Aqui, primeiro apresentamos o quadro de dados original do qual obtivemos todas as colunas. Então, utilizando a “série. Método () ”, todas as colunas são visíveis aqui, exceto uma coluna“ Cr_Duration ”.
Conclusão
Isso está na “todas as colunas, exceto” em “Pandas.”Discutimos como obter todas as colunas, exceto uma ou mais de uma coluna. Exploramos três métodos neste tutorial para acessar todas as colunas, exceto um ou mais.