Méthode DataFrame.idxmin de Pandas

PythonPythonBeginner
Pratiquer maintenant

💡 Ce tutoriel est traduit par l'IA à partir de la version anglaise. Pour voir la version originale, vous pouvez cliquer ici

Introduction

Dans ce laboratoire, nous allons explorer et comprendre la méthode DataFrame.idxmin() de pandas en Python. Cette méthode est utilisée pour récupérer l'index de la première occurrence de la valeur minimale le long d'un axe spécifié. Elle exclut toutes les valeurs nulles ou manquantes. La méthode renvoie une série qui contient les index des minima le long de l'axe spécifié.

Conseils sur la machine virtuelle

Une fois le démarrage de la machine virtuelle terminé, cliquez dans le coin supérieur gauche pour basculer vers l'onglet Notebook pour accéder à Jupyter Notebook pour la pratique.

Parfois, vous devrez peut-être attendre quelques secondes pour que Jupyter Notebook ait fini de charger. La validation des opérations ne peut pas être automatisée en raison des limites de Jupyter Notebook.

Si vous rencontrez des problèmes pendant l'apprentissage, n'hésitez pas à demander à Labby. Donnez votre feedback après la session, et nous résoudrons rapidement le problème pour vous.


Skills Graph

%%%%{init: {'theme':'neutral'}}%%%% flowchart RL python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) pandas(("Pandas")) -.-> pandas/ReadingDataGroup(["Reading Data"]) pandas(("Pandas")) -.-> pandas/DataSelectionGroup(["Data Selection"]) pandas(("Pandas")) -.-> pandas/DataAnalysisGroup(["Data Analysis"]) python(("Python")) -.-> python/PythonStandardLibraryGroup(["Python Standard Library"]) pandas(("Pandas")) -.-> pandas/DataCleaningGroup(["Data Cleaning"]) python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) pandas/ReadingDataGroup -.-> pandas/read_csv("Read CSV") pandas/DataSelectionGroup -.-> pandas/select_columns("Select Columns") pandas/DataSelectionGroup -.-> pandas/select_rows("Select Rows") pandas/DataCleaningGroup -.-> pandas/handle_missing_values("Handling Missing Values") python/ModulesandPackagesGroup -.-> python/using_packages("Using Packages") pandas/DataAnalysisGroup -.-> pandas/basic_statistics("Basic Statistics") 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-68635{{"Méthode DataFrame.idxmin de Pandas"}} pandas/select_columns -.-> lab-68635{{"Méthode DataFrame.idxmin de Pandas"}} pandas/select_rows -.-> lab-68635{{"Méthode DataFrame.idxmin de Pandas"}} pandas/handle_missing_values -.-> lab-68635{{"Méthode DataFrame.idxmin de Pandas"}} python/using_packages -.-> lab-68635{{"Méthode DataFrame.idxmin de Pandas"}} pandas/basic_statistics -.-> lab-68635{{"Méthode DataFrame.idxmin de Pandas"}} python/data_collections -.-> lab-68635{{"Méthode DataFrame.idxmin de Pandas"}} python/data_analysis -.-> lab-68635{{"Méthode DataFrame.idxmin de Pandas"}} python/data_visualization -.-> lab-68635{{"Méthode DataFrame.idxmin de Pandas"}} end

Créer un DataFrame

Tout d'abord, nous devons créer un DataFrame avec lequel travailler. Dans cette étape, nous importons la bibliothèque pandas et créons un DataFrame avec deux colonnes : 'Marks_1' et 'Marks_2'. Le DataFrame a trois lignes, chacune représentant une matière (Kannada, English, Science) et les notes respectives.

import pandas as pd

## Créer DataFrame
df = pd.DataFrame({'Marks_1': [85, 90, 45], 'Marks_2': [85, 96, 100]}, index=['Kannada', 'English', 'Science'])

## Afficher le DataFrame
print("---- Le DataFrame est ----")
print(df)

Trouver l'index de la valeur minimale sur l'axe des lignes

Dans cette étape, nous utilisons la méthode DataFrame.idxmin() pour trouver l'index de la valeur minimale sur l'axe des lignes. Nous appliquons la méthode au DataFrame et affichons le résultat.

## Trouver l'index de la valeur minimale sur l'axe des lignes
print("---- Index de la valeur minimale sur l'axe des lignes ----")
print(df.idxmin())

Trouver l'index de la valeur minimale sur l'axe des colonnes

Dans cette étape, nous utilisons la méthode DataFrame.idxmin() pour trouver l'index de la valeur minimale sur l'axe des colonnes. Nous appliquons la méthode au DataFrame en spécifiant axis="columns" et affichons le résultat.

## Trouver l'index de la valeur minimale sur l'axe des colonnes
print("---- Index de la valeur minimale sur l'axe des colonnes ----")
print(df.idxmin(axis="columns"))

Gérer les valeurs nulles

Dans cette étape, nous créons un DataFrame avec des valeurs nulles et appliquons la méthode DataFrame.idxmin(). Nous voulons voir comment la méthode gère les valeurs nulles. Nous affichons la série résultante.

## Créer DataFrame avec des valeurs nulles
df = pd.DataFrame({'Marks_1': [85, None, 45], 'Marks_2': [None, 46, None]}, index=['Kannada', 'English', 'Science'])

## Afficher le DataFrame
print("---- Le DataFrame est ----")
print(df)

## Trouver l'index de la valeur minimale sur l'axe des colonnes
print("---- Index de la valeur minimale sur l'axe des colonnes ----")
print(df.idxmin(axis="columns"))

Sommaire

Dans ce laboratoire, nous avons exploré la méthode DataFrame.idxmin() de pandas en Python. Nous avons appris à trouver l'index de la première occurrence de la valeur minimale le long d'un axe spécifié. Nous avons également vu comment la méthode gère les valeurs nulles. La méthode DataFrame.idxmin() est un outil utile pour récupérer les index des minima dans un DataFrame.