kode python

Cetak kolom dan baris python

Anda dapat memilih dan mendapatkan baris, kolom, dan elemen di print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7 dan print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8 dengan mengindeks operator (tanda kurung siku) print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 9

Artikel ini menjelaskan konten berikut

  • Pilih kolom print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7
    • print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _1. Dapatkan satu kolom sebagai print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _2
    • print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _3. Dapatkan satu atau beberapa kolom sebagai print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _4
  • Pilih baris print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _7
    • print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _6. Dapatkan satu atau beberapa baris sebagai print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _4
    • print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _8. Dapatkan print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _9 baris sebagai print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> 4
  • Pilih elemen print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8
    • print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 2. Dapatkan nilai dari satu elemen
    • print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _3. Dapatkan elemen tunggal atau ganda sebagai print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _2
    • print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 5. Dapatkan elemen tunggal atau ganda sebagai print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _2
    • print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _8. Dapatkan print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _9 elemen sebagai print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> 2
  • Pilih elemen print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7
  • Perhatikan bahwa nama baris dan kolom adalah bilangan bulat

Anda juga dapat memilih kolom menurut irisan dan baris menurut nama/nomornya atau daftarnya dengan print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 1 dan print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 2

  • panda. Dapatkan/Tetapkan nilai elemen dengan at, iat, loc, iloc

File CSV berikut digunakan dalam kode contoh ini

  • sample_pandas_normal. csv

import pandas as pd print(pd.__version__) # 1.4.1 df = pd.read_csv('data/src/sample_pandas_normal.csv', index_col=0) print(df) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # Ellen 24 CA 88 # Frank 30 NY 57

sumber.

Tautan Bersponsor

Pilih kolom print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7

print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _1. Dapatkan satu kolom sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _8

Anda bisa mendapatkan kolom sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _8 dengan menentukan nama kolom (label) di print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 9

print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'>

sumber.

Anda juga dapat menentukan nama kolom sebagai atribut, seperti print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 8. Perhatikan bahwa jika nama kolom bertentangan dengan nama metode yang sudah ada, metode tersebut akan didahulukan

print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'>

sumber.

print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _3. Dapatkan satu atau beberapa kolom sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7

Anda bisa mendapatkan banyak kolom sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _7 dengan menentukan daftar nama kolom di print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 9. Kolom akan berada dalam urutan daftar yang ditentukan

print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'>

sumber.

Jika Anda menentukan daftar dengan satu elemen, satu kolom print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7 dikembalikan, bukan print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _

sumber.

Anda juga dapat menentukan potongan nama kolom dengan print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 1 atau nomor kolom dengan print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 2. Lihat artikel berikut untuk detailnya

  • panda. Dapatkan/Tetapkan nilai elemen dengan at, iat, loc, iloc

print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'>

sumber.

Pilih baris print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _7

print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _6. Dapatkan satu atau beberapa baris sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7

Anda bisa mendapatkan banyak baris sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _7 dengan menentukan potongan di print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 9

print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'>

sumber.

Anda dapat menentukan nilai negatif dan # print(df[1]) # KeyError: 1 2 (# print(df[1]) # KeyError: 1 3) seperti pada irisan normal. Misalnya, Anda dapat menggunakan irisan untuk mengekstrak baris ganjil atau genap

  • Cara mengiris daftar, string, tuple dengan Python

print(df[:-3]) print(type(df[:-3])) # age state point # name # Alice 24 NY 64 # Bob 42 CA 92 # Charlie 18 CA 70 # <class 'pandas.core.frame.DataFrame'> print(df[::2]) print(type(df[::2])) # age state point # name # Alice 24 NY 64 # Charlie 18 CA 70 # Ellen 24 CA 88 # <class 'pandas.core.frame.DataFrame'> print(df[1::2]) print(type(df[1::2])) # age state point # name # Bob 42 CA 92 # Dave 68 TX 70 # Frank 30 NY 57 # <class 'pandas.core.frame.DataFrame'>

sumber.

Kesalahan dimunculkan jika nomor baris ditentukan sendiri, bukan potongan

# print(df[1]) # KeyError: 1

sumber.

Jika hanya satu baris yang dipilih, print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _7 dikembalikan, bukan print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

print(df[1:2]) print(type(df[1:2])) # age state point # name # Bob 42 CA 92 # <class 'pandas.core.frame.DataFrame'>

sumber.

Anda juga dapat menentukan potongan nama baris (label) alih-alih nomor baris (posisi). Dalam kasus irisan dengan nama baris, baris # print(df[1]) # KeyError: 1 6 disertakan

print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _0

sumber.

Anda dapat menentukan nama/nomor baris saja atau daftarnya dengan print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 1 atau print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 2. Lihat artikel berikut untuk detailnya

  • panda. Dapatkan/Tetapkan nilai elemen dengan at, iat, loc, iloc

print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _1

sumber.

print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _8. Dapatkan print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _9 baris sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7

Dengan menentukan array boolean (print(df[1:2]) print(type(df[1:2])) # age state point # name # Bob 42 CA 92 # <class 'pandas.core.frame.DataFrame'> 2 atau print(df[1:2]) print(type(df[1:2])) # age state point # name # Bob 42 CA 92 # <class 'pandas.core.frame.DataFrame'> _3) di print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 9, Anda dapat mengekstrak baris print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> 9 sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7

print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _2

sumber.

Kesalahan dimunculkan jika jumlah elemen tidak cocok

print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _3

sumber.

Anda juga dapat menentukan boolean print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8. Baris diekstrak berdasarkan label, bukan urutan

print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _4

sumber.

Kesalahan dimunculkan jika jumlah elemen atau label tidak cocok

print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _5

sumber.

Pilih elemen print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

Gunakan print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _8 berikut sebagai contoh

print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _6

sumber.

print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 2. Dapatkan nilai dari satu elemen

Anda bisa mendapatkan nilai elemen dengan menentukan label/posisi (indeks) saja. Saat menentukan berdasarkan posisi (indeks), nilai negatif dapat digunakan untuk menentukan posisi dari akhir. print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _01 adalah ekornya

Anda juga dapat menentukan nama label sebagai atribut, seperti print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 02. Perhatikan bahwa jika nama label bertentangan dengan nama metode yang ada, metode tersebut akan diutamakan

print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _7

sumber.

print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _3. Dapatkan elemen tunggal atau ganda sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

Anda dapat memilih beberapa nilai sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8 dengan menentukan daftar label/posisi. Elemen akan berada dalam urutan daftar yang ditentukan

print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _8

sumber.

Jika daftar dengan satu elemen ditentukan, print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8 dikembalikan

print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _9

sumber.

print(df.loc[:, 'age':'state']) print(type(df.loc[:, 'age':'state'])) # age state # name # Alice 24 NY # Bob 42 CA # Charlie 18 CA # Dave 68 TX # Ellen 24 CA # Frank 30 NY # <class 'pandas.core.frame.DataFrame'> print(df.iloc[:, [2, 0]]) print(type(df.iloc[:, [2, 0]])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 5. Dapatkan elemen tunggal atau ganda sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

Anda juga dapat memilih beberapa nilai sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8 dengan menentukan potongan label/posisi. Dalam hal nama label, elemen # print(df[1]) # KeyError: 1 6 disertakan

print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 0

sumber.

Jika satu elemen dipilih, print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8 dikembalikan

print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 1

sumber.

print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _8. Dapatkan print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> _9 elemen sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

Dengan menentukan array boolean (print(df[1:2]) print(type(df[1:2])) # age state point # name # Bob 42 CA 92 # <class 'pandas.core.frame.DataFrame'> 2 atau print(df[1:2]) print(type(df[1:2])) # age state point # name # Bob 42 CA 92 # <class 'pandas.core.frame.DataFrame'> _3) di print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 9, Anda dapat mengekstrak elemen print(df[['age']]) print(type(df[['age']])) # age # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # <class 'pandas.core.frame.DataFrame'> 9 sebagai print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 2

sumber.

Kesalahan dimunculkan Jika jumlah elemen tidak cocok

print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 3

sumber.

Anda juga dapat menentukan boolean print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8. Elemen diekstrak berdasarkan label, bukan urutan

print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 4

sumber.

Kesalahan dimunculkan jika jumlah elemen atau label tidak cocok

print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 5

sumber.

Tautan Bersponsor

Pilih elemen print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7

Anda bisa mendapatkan nilai elemen dari print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _7 dengan mengekstraksi print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8 dari print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 7 dan kemudian mendapatkan nilai dari print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8 itu

print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 6

sumber.

Anda juga dapat mengekstrak grup apa pun berdasarkan irisan atau daftar

print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 7

sumber.

Namun, cara ini (print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _26) disebut pengindeksan berantai dan dapat menghasilkan print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 27 saat menetapkan nilai

Anda dapat memilih baris atau kolom sekaligus dengan print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 28, print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 29, print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 1, atau print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 2

  • panda. Dapatkan/Tetapkan nilai elemen dengan at, iat, loc, iloc

print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 8

sumber.

Perhatikan bahwa nama baris dan kolom adalah bilangan bulat

Berhati-hatilah saat nama baris dan kolom adalah bilangan bulat

Gunakan print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _7 berikut sebagai contoh

print(df.age) print(type(df.age)) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _9

sumber.

Jika print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _33 atau print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 34, nilai yang ditentukan dianggap sebagai nama kolom

print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 0

sumber.

Jika print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _35, nilai yang ditentukan dianggap sebagai nomor baris, bukan nama baris. Nilai negatif juga diperbolehkan

print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _1

sumber.

Gunakan print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> _1 atau print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 2 untuk menentukan dengan jelas apakah itu nama (label) atau nomor (posisi)

print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _2

sumber.

Untuk print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8

print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _3

sumber.

Di print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 8, nilai yang ditentukan dianggap sebagai label, bukan indeks

print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _4

sumber.

Gunakan print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _28 atau print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 29 untuk menentukan dengan jelas apakah itu label atau indeks

print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> 5

sumber.

Perhatikan bahwa jika Anda menentukan print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _42, itu dianggap sebagai label bernama print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 01, bukan ekor. Anda dapat menggunakan print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _29

print(df[['point', 'age']]) print(type(df[['point', 'age']])) # point age # name # Alice 64 24 # Bob 92 42 # Charlie 70 18 # Dave 70 68 # Ellen 88 24 # Frank 57 30 # <class 'pandas.core.frame.DataFrame'> _6

sumber.

Jadi, lebih baik menggunakan print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> _28, print(df['age']) print(type(df['age'])) # name # Alice 24 # Bob 42 # Charlie 18 # Dave 68 # Ellen 24 # Frank 30 # Name: age, dtype: int64 # <class 'pandas.core.series.Series'> 29, print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 1, atau print(df[1:4]) print(type(df[1:4])) # age state point # name # Bob 42 CA 92 # Charlie 18 CA 70 # Dave 68 TX 70 # <class 'pandas.core.frame.DataFrame'> 2 ketika nama baris atau kolom adalah bilangan bulat

Bagaimana cara mencetak baris dan kolom dengan Python?

3 Cara Mudah Mencetak Nama Kolom dengan Python .
Menggunakan panda. kerangka data. kolom untuk mencetak nama kolom dengan Python. .
Menggunakan panda. kerangka data. kolom. .
Metode Python sort() untuk mendapatkan nama kolom. Metode Python sort() dapat digunakan untuk mendapatkan daftar nama kolom dari kerangka data dalam urutan kolom yang menaik

Bagaimana cara mencetak semua baris dan kolom di Pandas?

Untuk menampilkan semua kolom di Pandas, kita dapat mengatur opsi. pd. option_context - tampilan. max_columns menjadi Tidak Ada . Ini akan menampilkan semua kolom di DataFrame saat ini.

Bagaimana Anda mencetak jumlah kolom dan baris dengan Python?

Gunakan DataFrame. sum() untuk mendapatkan jumlah/total DataFrame untuk baris dan kolom, untuk mendapatkan jumlah total kolom gunakan param sumbu=1. Secara default, metode ini menggunakan axis=0 yang artinya menjumlahkan baris.

Bagaimana Anda mencetak baris dengan Python?

Metode print() dalam Python secara otomatis mencetak di baris berikutnya setiap saat . Metode print() secara default membawa penunjuk ke baris berikutnya.

Pos Terkait

Cara menggunakan python sys argv example
Bagaimana cara memperbaiki kesalahan di mysql?
Cara menggunakan mysql disable performance schema
Cara menggunakan html downloader
Cara menggunakan index php action
Cara menggunakan thead html adalah
Python mendapatkan kolom array 2d
Atribut elemen dalam html
Cara menggunakan python image viewer
Bagaimana Anda menyimpan excel sebagai csv dengan koma, bukan titik koma?

Toplist

#1
Top 10 berikut ini yang bukan merupakan penetapan tujuan visi perusahaan adalah 2022
#2
Top 10 sebuah bak air berbentuk balok dengan ukuran panjang 40 cm, lebar 30 cm, dan tinggi 35 cm 2022
#3
Top 9 banjir bukan sekadar bencana alam paragraf 3 gagasan utama 2022
#4
Top 10 diketahui himpunan himpunan sebagai berikut p bilangan ganjil yang kurang dari 15 2022
#5
Top 10 penyelesaian dari persamaan 3x 2 y 9 dan 2x y 3 adalah 2022
#6
Top 10 bagaimana cara memberi salam kepada orang tua dan guru yang benar brainly 2022
#7
Top 10 semakin tinggi nilai toleransi semakin tinggi nilai integrasi nasional 2022
#8
Top 10 benda kerajinan tidak boleh membahayakan pemakainya maka benda kerajinan memiliki prinsip 2022
#9
Top 9 bagian tutup sumbat termos biasanya terbuat dari benda berjenis brainly 2022

Postingan terbaru

LIHAT SEMUA

Kiat Bagus Cara Belajar Apa Yang kode Teknologi Bagaimana Kesehatan dan kecantikan Location Jelaskan Contoh Sebutkan Apa arti Arti kata Top List Berapa List Mengapa Harus Membandingkan Toplist Permainan Belajar dengan baik Anak Apa yang Review php Adalah disebut Perbedaan Fungsi Beda Google Makanan lezat Berikut ini Dimaksud Cryto Q&a Tentang Q&A Top Seks Konstruksi python Daftar Teratas Rumah Sekolah How Teknik Facebook