Pandas toutes les colonnes sauf
Méthodes pour accéder à toutes les colonnes, sauf une ou plusieurs en «Pandas»
Les méthodes que nous utilisons pour accéder à toutes les colonnes, à l'exception de la ou plusieurs en «pandas», sont mentionnées ci-dessous.
- En utilisant .Méthode loc [].
- En utilisant la méthode Drop ().
- Utilisation des séries.Méthode différence ().
Exemple 01: Utilisation .Méthode loc []
Nous avons une application «Spyder» pour faire des codes de «pandas» qui est utilisé pour générer les codes «pandas». Nous appliquons ces méthodes aux codes «pandas» pour accéder à toutes les colonnes sauf une. Nous importons les «pandas en tant que PD» pour accéder aux méthodes «Pandas» souhaitées. Maintenant, pour accéder à une fonction, nous devons seulement taper «PD» plutôt que le long nom «Pandas."
Ensuite, en entrant ici des données, nous créons et initialisons une «propriété» variable. En nommant la première colonne «S_NO», nous ajoutons le NON en série ici sous le nom de «P1, P2, P3, P4 et P5». Ensuite, nous avons mis les «Honour_Names» et avons ajouté les noms «Smith, Joseph, William, Samuel et Rick». Nous ajoutons les données sous forme de colonne. La colonne «Buyer_Names» suit avec les noms: «Peter, James, Olivia, Leo et Bills». Ensuite, nous avons le «concessionnaire» avec les noms des marchands de propriétés: «Noah, Mishi, Taylor, Robert et Samuel».
Nous insérons également la colonne «Type» avec le type de propriété: «Terre, maison, appartement, boutique et maison». Ensuite, utilisez le «PD.DataFrame "pour modifier les données ci-dessus dans le dataframe et les nommer" Property1 ". Tout d'abord, nous imprimons l'intégralité de DataFrame contenant toutes les colonnes en mettant le nom du DataFrame dans la méthode «print ()». Ensuite, nous accédons à toutes les colonnes, sauf la colonne One qui est la colonne "Dealer_name" avec l'utilisation de la ".Méthode loc [] ”.
Nous mettons une colonne qui accède à toutes les colonnes. Mais avec ces colonnes, nous ajoutons également "! = Concessionnaire_name ”pour renvoyer toutes les colonnes à l'exception de la colonne" concessionnaire_names ". Il ne rendra pas cette colonne sur le terminal. Nous stockons toutes les colonnes du dataframe à l'exception de la colonne «concessionnaire_names» dans la variable «Property2». Nous affichons ces colonnes en mettant «Property2» dans la fonction «print ()».
Nous accédons à toutes les colonnes et les affichons, qui est le DataFrame d'origine. Ensuite, nous obtenons toutes les colonnes à l'exception de la colonne "Dealer_name" avec l'aide de la ".Méthode loc [] ”. Ainsi, toutes les colonnes apparaissent à l'exception de la colonne "Dealer_name".
Exemple 02: Utilisation de la méthode Drop ()
Commencez un nouvel exemple en important des «pandas comme PD». Après cela, nous avons la variable «EATABLES» et initialisez cela en fournissant des informations ci-dessous. Nous ajoutons les noms de fruits «Melon, pastèque, cerise et poire» et désignons la première colonne comme «Fruit_Names». Ensuite, nous entrons dans les noms de légumes «carotte, concombre, espagnol et oignon» dans la colonne «Veg_Names». Suivant cela est la colonne «Fast_Food», qui comprend des noms «Burger, Pizza, Sandwich et Roll». Les noms de la boulangerie «Biscuit, chocolat, gâteau et frites» sont entrés dans la section «Bakery_Items».
Nous ajoutons également une colonne appelée «Dry_fruits» où nous énumérons les différents types de fruits secs, qui sont «d'arachide, de noix, de noix de coco et d'amande». Utilisez le «PD.DataFrame »pour convertir les données susmentionnées en un dataframe. En entrant le nom du DataFrame dans la méthode «print ()», nous imprimons d'abord l'intégralité de DataFrame, y compris toutes ses colonnes. En utilisant la technique «Drop», nous pouvons ensuite accéder à toutes les colonnes à l'exception de la colonne «Fast_Food».
Par conséquent, toutes les colonnes autres que la colonne "Fast_Food" seront retournées. La colonne "Fast_Food" n'apparaîtra pas sur le terminal. À l'exception de la colonne «Fast_Food», nous économisons toutes les colonnes de DataFrame dans la variable «Eatables2». En incluant «Eatables2» dans la méthode «print ()», nous pouvons voir ces colonnes sur le terminal.
Tout d'abord, nous obtenons toutes les colonnes et les affichons, qui est le DataFrame d'origine. En utilisant la méthode «Drop», nous obtenons toutes les colonnes excluant la colonne «Fast_Food», visible.
Exemple 03: Utilisation de la méthode Drop () pour exclure plus d'une colonne
«Pandas as PD» devrait être importé pour commencer un nouvel exemple. Le «ménage» variable est le prochain que nous avons. Nous l'initialisons en fournissant les données ci-dessous. "Le lit, la table, la chaise et le canapé" sont ajoutés à la première colonne nommée "Furniture". Ensuite, nous avons tapé «Fridge, LCD, Juicer_machine et ventilateur» dans la colonne «électrique». La colonne «Kitchen_Items» suit, avec des articles «Plaque, verre, tasse et cuillère» répertoriée sous sa colonne.
De plus, nous incluons une nouvelle colonne nommée «Washroom_Items» où nous répertorions les articles «Douche, tuyau, bassin, tasse». Utilisez le «PD.Fonction DataFrame ”pour transformer les données en un dataframe. Nous imprimons d'abord le DataFrame complet, y compris toutes ses colonnes, en spécifiant le nom du DataFrame dans la méthode «print ()». Nous pouvons ensuite accéder à toutes les colonnes à l'aide de la méthode «Drop», à l'exception des colonnes «Furniture and Kitchen_Items». Toutes les colonnes excluant les colonnes «Furniture and Kitchen_Items» seront donc retournées.
Sur le terminal, les colonnes «Furniture and Kitchen_Items» n'apparaîtront pas. Nous stockons toutes les colonnes de DataFrame dans la variable «Household2», à l'exception des colonnes «meubles et kitchne_items». Toutes les colonnes peuvent être vues sur le terminal sauf les deux en incluant «Eatables2» dans la commande «print ()».
Le DataFrame d'origine s'affiche d'abord ici dans lequel nous obtenons toutes les colonnes. La technique «drop ()» est ensuite utilisée pour obtenir toutes les colonnes visibles, à l'exception des deux colonnes «meubles et cuisine_items».
Exemple 04: Utilisation des séries.Méthode différence ()
Il est nécessaire d'importer des «pandas comme pd» avant de commencer un nouvel exemple. Nous initialisons la variable suivante, «Study_data» en lui fournissant les données ci-dessous. Les ajouts «CR1, CR2, CR3, CR4 et CR5» sont fabriqués à la première colonne, «CR_ID». Ensuite, nous tapons «Pandas, Linux, Spark, Python et Ubuntu» dans la colonne «CR».
Après cela, les frais pour ces cours «12000, 13000, 14000, 15000 et 16000» sont inclus dans la colonne «CR_FEE». En outre, une autre colonne nommée «CR_Duration» est ajoutée, dans laquelle la durée de ces cours est «25 jours, 30 jours, 35 jours, 40 jours et 45 jours». Utilisez le «PD.Fonction DataFrame ”pour transformer les données en un dataframe. En ajoutant le nom du DataFrame dans la méthode «print ()», nous imprimons d'abord l'intégralité de DataFrame, y compris toutes ses colonnes.
Ensuite, nous utilisons la «série. Méthode de différence »et la colonne« CR_Duration »qui est la seule à laquelle il ne peut pas être accessible en utilisant cette« série. Technique de différence ». Par conséquent, toutes les colonnes autres que les colonnes «CR_Duration» seront retournées. Toutes les colonnes du DataFrame, à l'exclusion des colonnes «CR_Duration», sont stockées dans la variable «Study_Data2». En incluant «Study_data2» dans la commande «print ()», toutes les colonnes impriment sur le terminal sauf une.
Ici, nous présentons d'abord le dataframe d'origine à partir de laquelle nous avons obtenu toutes les colonnes. Ensuite, en utilisant la «série. Méthode différence () ”, toutes les colonnes sont visibles ici, sauf une colonne« CR_Duration ».
Conclusion
Ceci est sur la «colonne toute la colonne» dans «Pandas."Nous avons discuté de la façon d'obtenir toutes les colonnes sauf une ou plusieurs colonnes. Nous avons exploré trois méthodes dans ce tutoriel pour accéder à toutes les colonnes sauf une ou plusieurs.