Pandas não estão dentro
Exemplo # 01:
A ferramenta "Spyder" é usada para escrever todos os scripts de código que discutiremos neste guia. Toda vez que queremos desenvolver um novo código "Pandas", temos que importar alguns módulos de "pandas". Estes podem ser importados simplesmente seguindo o termo "importar" com a frase "pandas como PD. Agora, esse "PD" foi adicionado a este código sempre que precisamos acessar as funções "pandas" ". Agora, precisamos criar o quadro de dados.
A variável "raw_record" é onde adicionamos alguns dados que queremos inserir no quadro de dados. As datas são adicionadas primeiro, que são “12/08/22, 12/08/22, 13/08/22, 14/08/22, 15/08/22 e 17/08/22” no “datado”. Em seguida, temos "nome" no qual colocamos "caneta, ponteiro, borracha, grampeador, escala e cola de cola". Depois disso, adicionamos a quantidade desses itens na “quantidade” que são “18, 21, 36, 4, 15 e 9”. Também adicionamos o preço na coluna "Preço", que é "350, 520, 220, 900, 90 e 250".
Agora, estamos inserindo o “PD.Dataframe () ”, que ajuda a converter esse“ raw_record ”no“ raw_record_df ”, que é o nome do DataFrame. Em seguida, inicializamos uma variável chamada "valores" com alguns dados que são "caneta de bola, ponteiro, cola de cola". Depois disso, estamos aplicando o filtro "não no" para verificar alguns dados. Utilizamos esse filtro "não no" com o método "isin ()". Para filtrar dados usando o método "não no", colocamos o sinal "~". Você pode ver abaixo que mencionamos o nome do DataFrame primeiro e dentro dele, colocamos o nome da coluna no qual queremos verificar os dados.
Colocamos o sinal "~" antes de colocar o nome da coluna com o nome do quadro de dados. Em seguida, colocamos o método "isin ()" depois disso e passamos a variável "valores" para esta função "isin ()". Armazenamos o resultado que obtemos depois de aplicar esta função na variável "restante_values". Agora, colocamos os "restantes_values" no "print ()", então, o resultado que chegamos aqui depois de aplicar esse filtro "não no" será exibido.
Podemos rapidamente obter os resultados dos códigos "pandas" no "Spyder" pressionando "Shift+Enter" ou o ícone Run. O resultado deste código contém o quadro de dados com todos os dados que adicionamos a ele. Em seguida, ele filtra alguns dados e exibe as linhas nas quais a “caneta, ponteiro e cola de bola” não estão presentes na coluna “nome”. Filtamos esse quadro de dados com a ajuda do método de filtro "não no".
Exemplo # 02:
O DataFrame "pre_rank_record" é criado neste exemplo, que contém colunas "Nome, Pre_rank e New_Fee". Essas colunas também contêm alguns dados. Na coluna "Nome", adicionamos "Stella, Tatum, George, Peter, Kenna e Lila". Em seguida, colocamos “Python, Banco de Dados, Inteligência Artificial, Python, Desenvolvimento da Web e Python” na coluna “Pre_rank”. As taxas que inserimos na coluna "Fee" são: "1300, 1900, 2000, 1300, 1500 e 1300". Também imprimimos o “pre_rank_record” usando “print ()”.
Depois de concluir esse quadro de dados, colocamos a variável "valores1" e inicializamos com dois nomes que são "Stella e George". Em seguida, utilizamos o filtro "não no" para filtrar as colunas "nome" nas quais os nomes não estão nos valores que adicionamos na variável Values1. Isso significa que o nome não é "Stella" nem "George". Colocamos o nome do DataFrame, o símbolo "~" e o nome do DataFrame junto com o nome da coluna no qual queremos filtrar os dados. A coluna em que temos que aplicar esta função é a coluna "nome" e também colocamos o nome da variável "valores1" no método "isin ()".
Agora, também queremos filtrar dados da coluna "Pre_rank". Para isso, inicializamos a variável "valores2" com alguns dados da coluna "Pre_Rank" que queremos filtrar da coluna "pré_rank". Agora, colocamos novamente o filtro "não no" para filtrar os dados e exibir as linhas restantes nas quais o "python" não está presente na coluna "pré_rank". Depois disso, também utilizamos o filtro "não no" para filtrar os dados da última coluna que é "new_fee". Colocamos a variável "valores3" e inicializamos o "valores3" com dois valores que adicionamos na coluna "new_fee". Em seguida, imprimimos os valores restantes nos quais os valores "valores3" não estão presentes.
Ele exibe o quadro de dados, primeiro, neste resultado. Em seguida, exibe o quadro de dados que inserimos no código acima. Primeiro, exibe as linhas do DataFrame onde "Stella e George", que não estão presentes na coluna "Nome". Em seguida, exibe aquelas linhas nas quais o "python" não está presente na coluna "pré_rank" e também exibe as linhas do quadro de dados em que "1300 e 2000" não estão presentes na última coluna "newfee".
Exemplo # 03:
Utilizamos o quadro de dados de "registro", que contém os mesmos dados que adicionamos no quadro de dados "pre_rank_record". Acabamos de mudar o nome do DataFrame aqui. Agora, estamos filtrando dados utilizando o filtro "não no" com várias colunas do quadro de dados "pre_rank_record". Colocamos "Tatum, Kenna, 1900" na variável "My_List1" em que "Tatum, e Kenna" são os valores da coluna "Nome" e "1900" é o valor da coluna "New_Fee".
Como adicionamos os valores de duas colunas diferentes na variável "my_list1", também inserimos os nomes de ambas as colunas abaixo, onde utilizamos o filtro "não no". Depois de adicionar o nome do símbolo do DataFrame e "~", colocamos os nomes de ambas as colunas com o nome do DataFrame. Em seguida, colocamos o método "isin ()" no qual passamos a variável "my_list1". Também colocamos "eixo = 1" com isso.
Agora, inicializamos outra variável que é a variável "My_List2" com "Lila" e "Inteligência Artificial". Aqui "Lila" é o valor da coluna "Nome" e "Inteligência Artificial" é o valor da coluna "Pre_Rank". Depois disso, utilizamos novamente o filtro "não no" da mesma maneira que explicamos nas linhas acima neste exemplo.
Depois de mostrar o quadro de dados completo, ele renderiza apenas as linhas nas quais as linhas não contêm "Tatum, Kenna e 1900" nas colunas "nome" e "new_fee". Em seguida, ele renderiza as linhas onde não temos "Lila e inteligência artificial" nas colunas "nome" e "pré_rank".
Conclusão
O filtro "não dentro" é explicado neste guia em detalhes, juntamente com os códigos e resultados desses códigos. Explicamos como filtrar os dados usando o método "não no" e qual é a melhor maneira de usar esse método em "pandas". Também mostramos os códigos nos quais utilizamos esse filtro "não no" com o método "isin ()" e explicamos cada etapa do código em detalhes aqui. Renderizamos os dados do quadro de dados depois de aplicar o método de filtro "não no" no quadro de dados e mostramos o quadro de dados após aplicar o filtro "não no" e explicar que ele exibe os dados restantes do quadro de dados em que os valores são não presente que mencionamos no método de filtro "não no".