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