Pandas à la fonction
Comment utiliser les pandas .à la fonction?
Dans Pandas, la méthode AT est utilisée pour extraire des données ou des valeurs spécifiques à partir d'un dataframe et pour extraire les valeurs de l'objet de la série. Pour utiliser le .À la fonction des séries et des données de données, nous devons suivre sa syntaxe. Regardons d'abord leur syntaxe avant de l'utiliser pour extraire les données.
Syntaxe de .à la fonction sur DataFrames
La syntaxe du dataframe.La fonction est la suivante:
Syntaxe: Trame de données.en position, étiquette]
Où,
position: Position de l'élément dans la colonne DataFrame.
étiqueter: Nom de la colonne à utiliser.
Valeur de retour: La valeur située là est renvoyée par le .à la méthode.
Les erreurs: Si les arguments présentés sous forme d'étiquettes de colonne et d'index de ligne sont en dehors des limites ou sont manquants dans le dataframe, l'erreur clé est augmentée.
Syntaxe de la fonction Astype () en série
La syntaxe de la série.La fonction est la suivante:
Syntaxe: Série.à[]
Paramètre: Aucun
Aucun paramètre n'est requis pour la série.À la méthode, nous pouvons obtenir la valeur simplement en utilisant la valeur que nous voulons extraire dans la parenthèse.
Retour: une seule valeur est passée.
Keyerror augmentera si l'étiquette de la série est absente.
Maintenant, nous avons vu la syntaxe du .à la fonction avec série et dataframe. Nous implémenterons le .à la fonction avec série et trame de données dans les exemples suivants, vous apprendrez donc à utiliser le .à la fonction par vous-même.
Exemple n ° 1: Récupérez les données par index et les noms de colonne dans DataFrame à l'aide de DataFrame.à [] fonction
Maintenant, construisons une dataframe avec plusieurs lignes et colonnes afin que nous puissions démontrer notre exemple et examiner la sortie. Avant de créer le DataFrame, nous importerons le module de Pandas. Les pandas sont l'un des outils les plus utilisés en science des données et en apprentissage automatique pour nettoyer et analyser les données. Le Pandas est l'outil idéal pour gérer ces données chaotiques réelles.
Les modules Pandas ont été importés dans le script ci-dessus. Nous avons créé plusieurs listes détenant les records de sportifs. Ensuite, nous avons créé un dataframe à l'aide du PD.Fonction DataFrame (). À l'intérieur du PD.Fonction DataFrame, nous avons passé nos listes (lecteurs), des colonnes contenant le nom de chaque colonne du DataFrame et index pour nommer l'index de notre DF DataFrame. Pour illustrer notre cadre de données DF, nous utiliserons la fonction print (), et à l'intérieur, nous passerons notre DATAFRAME DF comme entrée.
Vous pouvez voir qu'il y a 4 colonnes nom, âge, sports et pays montrant les données de six sportifs de différents sports qui appartiennent à différents pays.
Maintenant, nous allons récupérer la valeur de l'élément du nom de la colonne «Sports» au nom de la ligne «2».
Comme vous pouvez le voir, il a récupéré le sport «Badminton» de la ligne à l'index deux. Voyons l'exemple où nous essayons de récupérer la valeur d'une cellule en fournissant un nom de ligne qui n'est pas présent.
La console affiche une erreur clé car, dans notre DataFrame, il n'y a pas d'index avec le nom «7».
Exemple n ° 2: Récupérez les données de DataFrame en utilisant le nom de la variable
Tout d'abord, nous importerons la bibliothèque Pandas dans l'environnement actuel. Nous utiliserons le même Datframe DF dans cet exemple, qui a été créé dans l'exemple n ° 1.
Après l'importation de pandas, nous avons créé 2 variables LOC pour stocker la position d'index et COL pour stocker le nom de la colonne. Nous avons attribué 4 à la variable LOC et «nom» à la variable COL, ce qui signifie qu'il doit récupérer les données du 4ème index de la colonne de nom. Pour examiner le résultat de la dataframe.En fonction, nous pouvons imprimer la valeur récupérée en passant son nom de variable (i.e., obtenir) dans la fonction print ().
La sortie peut être comparée, comme on le voit dans la sortie, et on peut noter que la valeur de la colonne de nom en quatrième position est similaire à la sortie.
Ce .à [] ne renvoie qu'une seule valeur, contrairement.loc []. Le dataframe.à [3: 6, Col] renverra donc une erreur. Cette approche est plus rapide que. loc [] car il ne s'applique qu'aux valeurs uniques.
Exemple n ° 3: spécifiez ou écrasez une valeur à une ligne / colonne spécifique à l'aide de DataFrame.à[]
Nous utiliserons le nom de données DF, qui a été créé dans l'exemple n ° 1. Tout d'abord, nous vérifierons les données de notre DF DataFrame en utilisant la fonction print ().
Supposons que nous devons changer les sports dans la ligne 5. Comme vous pouvez le voir, le sport dans la ligne 5 est actuellement le tennis. Nous modifierons la valeur cellulaire dans cet exemple. Utilisation de données.Cadre.à[]. Pour écraser ou modifier les données, nous devons d'abord accéder à cette cellule spécifique.
Nous avons réussi à accéder à la cellule requise. Maintenant, nous allons définir une nouvelle valeur dans cette cellule en utilisant DataFrame.à [] fonction.
Nous avons changé la valeur du «tennis» en «basket-ball». Vous pouvez voir la sortie en imprimant notre DF DataFrame.
Vous pouvez observer que la valeur de la ligne 5 et des sports de colonne est changée en basket-ball. En utilisant .Chez [], vous ne pouvez définir la valeur d'une colonne ou d'une ligne qui existe dans notre DataFrame; Sinon, il affichera une erreur sur la console.
Exemple n ° 4: Récupérez une seule valeur à un endroit particulier d'une série à l'aide d'une série.à [] attribut
Nous avons vu à partir des exemples ci-dessous comment vous pouvez extraire .à[]. Maintenant, dans cet exemple, nous obtiendrons la valeur de la série en utilisant la série.à [] attribut. Tout d'abord, nous créerons une série d'objets après l'importation du module Pandas.
Comme vous pouvez le voir, nous avons créé une série contenant les noms des personnes. Pour visualiser notre série, la fonction print () peut être utilisée.
Nous avons une série de 6 noms, indexant de 0 à 5. Pour récupérer les données à partir d'un emplacement spécifique d'une série, nous pouvons simplement passer l'index à l'intérieur des parenthèses de la série.à [] attribut. Récupérons la valeur à l'emplacement de l'index 4.
Leo 'est la valeur répertoriée à la position 4 dans l'objet de la série fourni, comme on peut le voir dans la sortie de la série.à l'attribut. Nous pouvons également définir une valeur à un emplacement d'index spécifié en série à l'aide d'une série.à [] comme nous l'avons fait dans l'exemple n ° 3.
Conclusion
Dans cet article, nous avons discuté de la façon d'utiliser le .à [] la propriété pour sélectionner ou obtenir une valeur de cellule individuelle ou des données à partir d'un Pandas DataFrame. Nous avons mis en œuvre différents exemples dans cet article en utilisant DataFrame.à [] et série.AT [] Attribut afin que vous puissiez apprendre à récupérer les données par des noms d'index et de colonne dans le dataframe et de récupérer des données à partir de DataFrame en utilisant un nom de variable, spécifier ou écraser une valeur à une ligne / colonne spécifique.