Les pandas toute méthode
Nous l'expliquons également car la méthode «any ()» s'affiche vraie s'il n'y a pas de valeur nul dans la colonne. Par exemple, si la colonne contient toutes les valeurs zéro et non nulles, le résultat est «vrai». Il affiche uniquement «faux» dans le cas lorsque toutes les valeurs sont nulles. Nous présentons ce guide pour expliquer le concept de la méthode «any ()» dans «Pandas». Regardez les codes suivants où nous avons utilisé la méthode «any ()» et rendrons le fonctionnement de la méthode.
Exemple # 01
Nous utiliserons les méthodes «any ()» dans les codes et les effectuerons sur l'application «Spyder» dans ce guide. Nous devons importer des «pandas en tant que PD» pour accéder à sa méthode dans notre code parce que nous travaillons avec les codes Pandas. Nous générons ensuite le dataframe nommé «DF» avec trois colonnes, et toutes les colonnes contiennent des données numériques. Créez ensuite la colonne un avec le nom «A», et les données que nous y ajoutons sont «1, 2, 0». La colonne «B» vient après cela, dans laquelle nous insérons «0, 2 et 4». De plus, nous avons la colonne «C», et nous y ajoutons tous les zéros comme «0, 0, 0». Nous rendons «DF» en le mettant dans le «print ()».
Maintenant, nous déménageons pour appliquer la méthode «any ()» à ce «DF». Il vérifiera toutes les colonnes séparément, et si la colonne n'est pas nulle et contient une valeur numérique autre que zéro, il affichera le résultat «vrai». Si toutes les valeurs sont nulles ou nuls, alors elle montre le «faux» en conséquence. Nous mettons cette méthode «any ()» à l'intérieur de la méthode «print ()» afin que le résultat soit rendu sur l'écran de la console.
La sortie donnée est obtenue en appuyant sur les touches «Shift + Entrée» sur le clavier. Il rend sur le terminal de l'application «Spyder». Ici, les données numériques apparaissent dans la forme tabulaire car nous avons définie ces données dans le DataFarme. La colonne «A» contient deux valeurs non nulles et un zéro, donc le résultat est «vrai». Dans la colonne «B», il y a aussi deux non nuls, et le troisième est la valeur numérique, donc il renvoie «vrai» pour «B». Cependant, la troisième colonne «C» a toutes les valeurs zéro, donc elle renvoie «False» pour cette colonne «C».
Exemple # 02
Les «pandas» et «Numpy» sont importés respectivement comme «PD» et «NP»,. De plus, il y a trois colonnes dans le «dictionnaire» que nous avons construites ici. Ces colonnes sont nommées «A», «B» et «C» dans lesquelles nous insérons «1, 2, 3, 4, 0, NP. Nan, 3 ”dans le« A », puis« 0, 0, 0, 0, 0, 0, 0 »dans la colonne« B »et nous pouvons également le décrire comme si nous avions inséré tous les zéros dans le« B » colonne. Les troisième et dernières colonnes contiennent «3, 1, 4, 5, 0, np. nan, 5 ”.
Ensuite, le «dictionnaire» est créé en tant que DataFrame, qui est ensuite imprimé. Nous définissons le nom de DataFrame sur «Data11». Ci-dessous, nous utilisons la méthode «any ()» et mettons «axe = 0» comme paramètre. Cette méthode n'importe quelle () est appliquée aux colonnes DataFrame, puis renvoie le résultat. Nous rendons également le résultat suivant en mettant «print ()»:
La colonne «A» contient des valeurs numériques autres que «0», donc le résultat est «vrai». La colonne «B» ne contient aucune valeur numérique sauf «0»; Toutes ses valeurs sont «0», donc le résultat est «faux». Vient ensuite la dernière colonne «C», qui a les valeurs non nulles, donc le résultat est «vrai».
Exemple # 03
Nous importons à nouveau à la fois «Pandas» et «Numpy» comme «PD» et «NP», respectivement, comme nous l'avons expliqué dans le code 2. Les «nombres» sont une variable dans laquelle nous créons le dictionnaire avec trois colonnes. Ces colonnes sont «C1, C et C3» ici. Dans la colonne «C1», nous entrons «2, 4, 6, 4, 0, np. Nan, 3 »et« 1, 3, 5, 7, 0, np. NAN, 5 ”se trouvent dans la deuxième colonne« C2 »et dans la colonne« C3 », nous ajoutons« 0, 0, 0, 0, 0, 0, 0 », ou, alternativement,« tous les zéros.".
Le dictionnaire «Numbers» est ensuite transformé en un dataframe et imprimé. Le nom de DataFrame est défini sur «Numbers1». Ensuite, nous utilisons la méthode «any ()» avec le paramètre défini sur «axe = 1». Les lignes de dataframe sont soumises à cette méthode n'importe quelle (), qui renvoie par la suite le résultat. Nous ajoutons également «print ()» pour transmettre ce résultat.
Le résultat à ce sujet est «vrai» pour ceux qui ont des valeurs numériques autres que «0» et «faux» pour ceux qui n'ont que «0» et aucune autre valeur numérique.
Exemple # 04
Dans ce code, nous ajoutons des valeurs «vraies» et «fausses» comme données, puis appliquons le «any ()» à ces valeurs «vraies et fausses». Nous ne créons que deux colonnes ici dans lesquelles nous n'avons inséré que des valeurs «vraies» et «fausses» et les avons stockées en tant que dictionnaire dans la variable «any_data», puis modifiez le dictionnaire vers le dataframe et affichons également ce DataFrame. Nous appliquons la méthode «any ()» à ces données et rendons le résultat. Son résultat est «vrai» si une valeur est «vraie» et «fausse» lorsque toutes les valeurs sont «fausses».
Ici, les deux valeurs de la colonne «0» sont «vraies», donc le résultat est «vrai». Les valeurs de la colonne «1» sont «fausses», donc le résultat est «faux», mais dans la colonne «2», une valeur est «vraie», et l'autre valeur est «fausse», donc il affiche «vrai» parce que l'un La valeur est «vraie».
Exemple # 05
Nous mettons le nom «colonne» et créons un dictionnaire qui contient deux colonnes avec certaines données. La colonne «A» a «1, 2, 3, 4,5», et la colonne «B» a «6, 7, 8, 9, 10». Après avoir converti ce dictionnaire en DataFrame, nous les imprimons et appliquons la méthode «any ()» dans laquelle nous mettons également une condition. Dans le premier «print ()», nous plaçons la condition que les valeurs de la colonne «B» sont supérieures à la colonne «A». Si une seule valeur dans la colonne «B» est supérieure aux valeurs de la colonne «A», alors elle donne un «vrai» résultat. Dans la deuxième condition, nous insérons le prochain «print ()», qui vérifiera les valeurs de «B» et «A» et si la valeur de la colonne «B» est inférieure à la valeur de la colonne «A».
Ici, la valeur de la colonne «A» est plus grande, donc elle affiche «vrai». Dans l'image suivante, il renvoie «faux» car aucune valeur de «B» n'est plus petite que «A»:
Conclusion
La méthode «any ()» a été expliquée en longueur et d'une manière très simple dans ce guide. L'objectif principal de ce guide est de vous aider à comprendre l'idée de la méthode «any ()» de Pandas. Nous avons exploré que cette méthode se traduit par «vrai» si une valeur est non nul dans la colonne et également «vrai» si une valeur est «vraie». Il ne donne que «faux» si toutes les valeurs sont «fausses» ou si toutes les valeurs sont «zéro». Ici, nous discutons également des justifications théoriques et pratiques de ce concept. J'espère que cet article vous a aidé à apprendre la méthode «any ()».