Pandas DataFrame Ne Methode

PythonPythonBeginner
Jetzt üben

💡 Dieser Artikel wurde von AI-Assistenten übersetzt. Um die englische Version anzuzeigen, können Sie hier klicken

Einführung

In diesem Tutorial lernen wir die ne()-Methode in einem pandas DataFrame kennen. Die ne()-Methode wird verwendet, um einen DataFrame elementweise mit anderen Datenstrukturen zu vergleichen, und sie gibt einen DataFrame von booleschen Werten zurück, die das Ergebnis des Vergleichs repräsentieren.

VM-Tipps

Nachdem die VM gestartet ist, klicken Sie in der linken oberen Ecke, um zur Registerkarte Notebook zu wechseln und Jupyter Notebook für die Übung zu öffnen.

Manchmal müssen Sie einige Sekunden warten, bis Jupyter Notebook vollständig geladen ist. Die Validierung von Vorgängen kann aufgrund von Einschränkungen in Jupyter Notebook nicht automatisiert werden.

Wenn Sie bei der Lernphase Probleme haben, können Sie Labby gerne fragen. Geben Sie nach der Sitzung Feedback, und wir werden das Problem für Sie prompt beheben.


Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL python(("Python")) -.-> python/BasicConceptsGroup(["Basic Concepts"]) pandas(("Pandas")) -.-> pandas/DataCleaningGroup(["Data Cleaning"]) python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) pandas(("Pandas")) -.-> pandas/ReadingDataGroup(["Reading Data"]) pandas(("Pandas")) -.-> pandas/DataSelectionGroup(["Data Selection"]) python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) pandas(("Pandas")) -.-> pandas/DataAnalysisGroup(["Data Analysis"]) python(("Python")) -.-> python/PythonStandardLibraryGroup(["Python Standard Library"]) pandas/ReadingDataGroup -.-> pandas/read_csv("Read CSV") python/BasicConceptsGroup -.-> python/booleans("Booleans") pandas/DataSelectionGroup -.-> pandas/conditional_selection("Conditional Selection") pandas/DataCleaningGroup -.-> pandas/data_mapping("Data Mapping") python/ModulesandPackagesGroup -.-> python/importing_modules("Importing Modules") pandas/DataAnalysisGroup -.-> pandas/data_aggregation("Data Aggregation") python/PythonStandardLibraryGroup -.-> python/data_collections("Data Collections") python/DataScienceandMachineLearningGroup -.-> python/data_analysis("Data Analysis") python/DataScienceandMachineLearningGroup -.-> python/data_visualization("Data Visualization") subgraph Lab Skills pandas/read_csv -.-> lab-68676{{"Pandas DataFrame Ne Methode"}} python/booleans -.-> lab-68676{{"Pandas DataFrame Ne Methode"}} pandas/conditional_selection -.-> lab-68676{{"Pandas DataFrame Ne Methode"}} pandas/data_mapping -.-> lab-68676{{"Pandas DataFrame Ne Methode"}} python/importing_modules -.-> lab-68676{{"Pandas DataFrame Ne Methode"}} pandas/data_aggregation -.-> lab-68676{{"Pandas DataFrame Ne Methode"}} python/data_collections -.-> lab-68676{{"Pandas DataFrame Ne Methode"}} python/data_analysis -.-> lab-68676{{"Pandas DataFrame Ne Methode"}} python/data_visualization -.-> lab-68676{{"Pandas DataFrame Ne Methode"}} end

pandas importieren und einen DataFrame erstellen

Zunächst müssen wir die pandas-Bibliothek importieren und einen DataFrame erstellen. In diesem Beispiel werden wir einen DataFrame mit drei Spalten erstellen: A, B und C.

#importing pandas as pd
import pandas as pd

#creating the DataFrame
df = pd.DataFrame({"A": [200, 500], "B": [60, 250], "C": [150, 1]})

DataFrame mit einem skalaren Wert vergleichen

Als nächstes können wir die ne()-Methode verwenden, um den DataFrame mit einem skalaren Wert zu vergleichen. Dies wird einen booleschen DataFrame zurückgeben, wobei jedes Element angibt, ob es nicht gleich dem skalaren Wert ist.

print("--------The DataFrame is---------")
print(df)
print("----After applying ne method-----")
print(df.ne(200))

DataFrame mit einer Series vergleichen

Wir können auch den DataFrame mit einer Series mithilfe der ne()-Methode vergleichen. Dies wird einen booleschen DataFrame zurückgeben, wobei jedes Element angibt, ob es nicht gleich dem entsprechenden Element in der Series ist.

print("--------The DataFrame is---------")
print(df)
series = pd.Series([150, 200, 150])
print("----After applying ne method-----")
print(df.ne(series, axis=0))

DataFrame mit einem anderen DataFrame vergleichen

Schließlich können wir den DataFrame mit einem anderen DataFrame vergleichen. Dies wird einen booleschen DataFrame zurückgeben, wobei jedes Element angibt, ob es nicht gleich dem entsprechenden Element im anderen DataFrame ist.

print("----After applying ne method-----")
df_1 = pd.DataFrame({"A": [200, 500], "B": [60, 250], "C": [150, 1]})
df_2 = pd.DataFrame({"A": [200, 550], "B": [65, 251], "C": [100, 10]})
print(df_1.ne(df_2))

Zusammenfassung

In diesem Tutorial haben wir gelernt, wie die ne()-Methode in einem pandas DataFrame verwendet wird. Wir haben gesehen, wie man einen DataFrame mit einem skalaren Wert, einer Series und einem anderen DataFrame vergleicht. Die ne()-Methode ist hilfreich bei der Durchführung elementarer Vergleiche und liefert als Ergebnis boolesche DataFrames. Dies ist bei verschiedenen Datenanalyse- und Manipulationsaufgaben hilfreich.