Méthode ne() du DataFrame 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 tutoriel, nous allons apprendre à utiliser la méthode ne() dans un DataFrame pandas. La méthode ne() est utilisée pour comparer un DataFrame avec d'autres structures de données élément par élément, et elle renvoie un DataFrame de valeurs booléennes qui représentent le résultat de la comparaison.

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 Carnet d'étude 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 limitations 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 pandas(("Pandas")) -.-> pandas/ReadingDataGroup(["Reading Data"]) python(("Python")) -.-> python/BasicConceptsGroup(["Basic Concepts"]) pandas(("Pandas")) -.-> pandas/DataSelectionGroup(["Data Selection"]) pandas(("Pandas")) -.-> pandas/DataAnalysisGroup(["Data Analysis"]) python(("Python")) -.-> python/DataScienceandMachineLearningGroup(["Data Science and Machine Learning"]) pandas(("Pandas")) -.-> pandas/DataCleaningGroup(["Data Cleaning"]) python(("Python")) -.-> python/ModulesandPackagesGroup(["Modules and Packages"]) 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{{"Méthode ne() du DataFrame Pandas"}} python/booleans -.-> lab-68676{{"Méthode ne() du DataFrame Pandas"}} pandas/conditional_selection -.-> lab-68676{{"Méthode ne() du DataFrame Pandas"}} pandas/data_mapping -.-> lab-68676{{"Méthode ne() du DataFrame Pandas"}} python/importing_modules -.-> lab-68676{{"Méthode ne() du DataFrame Pandas"}} pandas/data_aggregation -.-> lab-68676{{"Méthode ne() du DataFrame Pandas"}} python/data_collections -.-> lab-68676{{"Méthode ne() du DataFrame Pandas"}} python/data_analysis -.-> lab-68676{{"Méthode ne() du DataFrame Pandas"}} python/data_visualization -.-> lab-68676{{"Méthode ne() du DataFrame Pandas"}} end

Import pandas et créer un DataFrame

Tout d'abord, nous devons importer la bibliothèque pandas et créer un DataFrame. Dans cet exemple, nous allons créer un DataFrame avec trois colonnes : A, B et C.

#importing pandas as pd
import pandas as pd

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

#Comparer un DataFrame avec une valeur scalaire

Ensuite, nous pouvons utiliser la méthode ne() pour comparer le DataFrame avec une valeur scalaire. Cela renverra un DataFrame de type booléen où chaque élément représente s'il est différent de la valeur scalaire.

print("--------Le DataFrame est---------")
print(df)
print("----Après avoir appliqué la méthode ne-----")
print(df.ne(200))

#Comparer un DataFrame avec une Séries

Nous pouvons également comparer le DataFrame avec une Séries à l'aide de la méthode ne(). Cela renverra un DataFrame de type booléen où chaque élément représente s'il est différent de l'élément correspondant dans la Séries.

print("--------Le DataFrame est---------")
print(df)
series = pd.Series([150, 200, 150])
print("----Après avoir appliqué la méthode ne-----")
print(df.ne(series, axis=0))

#Comparer un DataFrame avec un autre DataFrame

Enfin, nous pouvons comparer le DataFrame avec un autre DataFrame. Cela renverra un DataFrame de type booléen où chaque élément représente s'il est différent de l'élément correspondant dans l'autre DataFrame.

print("----Après avoir appliqué la méthode ne-----")
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))

Sommaire

Dans ce tutoriel, nous avons appris à utiliser la méthode ne() dans un DataFrame pandas. Nous avons vu comment comparer un DataFrame avec une valeur scalaire, une Séries et un autre DataFrame. La méthode ne() est utile pour effectuer des comparaisons élément par élément et obtenir en résultat des DataFrames de type booléen. Cela est utile dans diverses tâches d'analyse et de manipulation de données.