Thao tác dữ liệu đề cập đến quá trình điều chỉnh dữ liệu để làm cho dữ liệu được tổ chức và dễ đọc hơn. Thông thường, có dữ liệu không sử dụng được và có thể ảnh hưởng đến những vấn đề quan trọng. Dữ liệu không cần thiết hoặc không chính xác nên được làm sạch và xóa Show Nguồn từ giải quyết. com [1] Có thể xóa một hoặc nhiều hàng/cột khỏi Khung dữ liệu Pandas theo nhiều cách. Trong số đó, phổ biến nhất là phương pháp # A more intuitive way5. Phương pháp này có vẻ khá dễ sử dụng, nhưng vẫn có một số thủ thuật bạn nên biết để tăng tốc độ phân tích dữ liệu của mìnhTrong bài viết này, bạn sẽ tìm hiểu 05 thủ thuật của Pandas để đối phó với các trường hợp sử dụng sau
1. Xóa một hàng Theo mặc định, Pandas # A more intuitive way5 sẽ xóa hàng dựa trên giá trị chỉ mục của chúng. Thông thường, giá trị chỉ mục là giá trị số nguyên dựa trên 0 trên mỗi hàng. Chỉ định một chỉ mục hàng sẽ xóa nó, ví dụ: xóa hàng có giá trị chỉ mục df.drop([1,2])# It's equivalent to0 df.drop(1)# It's equivalent to Lưu ý rằng đối số df.drop([1,2])# It's equivalent to1 phải được đặt thành df.drop([1,2])# It's equivalent to2 để xóa các hàng (Trong Pandas # A more intuitive way5, df.drop([1,2])# It's equivalent to1 mặc định là df.drop([1,2])# It's equivalent to2, vì vậy có thể bỏ qua nó). Nếu df.drop([1,2])# It's equivalent to6 được chỉ định, thay vào đó nó sẽ xóa các cột Ngoài ra, một cách trực quan hơn để xóa một hàng khỏi DataFrame là sử dụng đối số df.drop([1,2])# It's equivalent to7 # A more intuitive wayPandas # A more intuitive way5 có thể lấy một danh sách để xóa nhiều hàngdf.drop([1,2])# It's equivalent to Tương tự, một cách trực quan hơn để xóa nhiều hàng là chuyển một danh sách tới đối số df.drop([1,2])# It's equivalent to7 # A more intuitive way8Các giá trị chỉ mục DataFrame có thể không theo thứ tự tăng dần, đôi khi chúng có thể là bất kỳ giá trị nào khác, ví dụ: nhãn ngày giờ hoặc chuỗi. Đối với những trường hợp này, chúng ta có thể xóa các hàng dựa trên vị trí hàng của chúng, ví dụ: xóa hàng thứ 2, chúng ta có thể gọi # A more intuitive way80 và chuyển nó vào đối số df.drop([1,2])# It's equivalent to7 # A more intuitive way1Để xóa hàng cuối cùng, chúng ta có thể sử dụng các phím tắt như # A more intuitive way82 để xác định chỉ mục cuối cùng# A more intuitive way3Ví dụ, chúng ta cũng có thể sử dụng kỹ thuật lát cắt để chọn một loạt các hàng
Nếu bạn muốn tìm hiểu thêm về kỹ thuật slice và cách sử dụng chỉ số hàng để chọn dữ liệu, bạn có thể xem bài viết này Cách sử dụng loc và iloc để chọn dữ liệu trong PandasMẹo và thủ thuật của Pandas để giúp bạn bắt đầu phân tích dữ liệuhướng tới khoa học dữ liệu. com 4. Xóa một cộtTương tự như xóa hàng, Pandas # A more intuitive way5 có thể được sử dụng để xóa cột bằng cách chỉ định đối số df.drop([1,2])# It's equivalent to1 thành df.drop([1,2])# It's equivalent to0 # A more intuitive way9Một cách trực quan hơn để xóa một cột khỏi DataFrame là sử dụng đối số # A more intuitive way88# A more intuitive way1Tương tự, chúng ta có thể chuyển một danh sách để xóa nhiều cột # A more intuitive way2Một cách trực quan hơn để xóa nhiều cột là chuyển một danh sách tới đối số # A more intuitive way88# A more intuitive way4Chúng ta có thể xóa một cột dựa trên vị trí cột của nó, ví dụ: xóa cột thứ 2, chúng ta có thể gọi # A more intuitive way10 và chuyển nó vào đối số # A more intuitive way88# A more intuitive way0Để xóa cột cuối cùng, chúng ta có thể sử dụng các phím tắt như # A more intuitive way82 để xác định chỉ mục cuối cùng# A more intuitive way1Tương tự, chúng ta cũng có thể sử dụng kỹ thuật lát cắt để chọn một dãy cột, chẳng hạn
Khung dữ liệu MultiIndex (còn được gọi là chỉ mục phân cấp) cho phép chúng tôi có nhiều cột đóng vai trò là mã định danh hàng và nhiều hàng đóng vai trò là mã định danh tiêu đề Khi gọi Pandas # A more intuitive way5 trên Khung dữ liệu MultiIndex, nó sẽ xóa chỉ mục và cột cấp 0 theo mặc định# A more intuitive way2Để chỉ định mức bị xóa, chúng ta có thể đặt đối số # A more intuitive way16# A more intuitive way3Trong một số trường hợp, chúng tôi muốn xóa một tổ hợp chỉ mục hoặc cột cụ thể. Để làm điều đó, chúng ta có thể truyền một tuple cho đối số df.drop([1,2])# It's equivalent to7 hoặc # A more intuitive way88# A more intuitive way4Nếu bạn muốn tìm hiểu thêm về cách truy cập dữ liệu trong MultiIndex DataFrame, vui lòng xem bài viết này Truy cập dữ liệu trong Khung dữ liệu MultiIndex trong Pandashướng tới khoa học dữ liệu. com 8. Thực hiện thao tác tại chỗ với# A more intuitive way7Theo mặc định, Pandas # A more intuitive way5 trả về một bản sao của kết quả mà không ảnh hưởng đến DataFrame đã cho. Chúng tôi có thể đặt đối số # A more intuitive way7 để thực hiện thao tác tại chỗ để tránh gán lại bổ sung và giảm mức sử dụng bộ nhớ9. Loại bỏ lỗi với # A more intuitive way8Bạn có thể nhận thấy rằng Pandas # A more intuitive way5 sẽ đưa ra lỗi khi các hàng hoặc cột đã cho không tồn tại. Chúng ta có thể đặt đối số # A more intuitive way8 để chặn lỗiSự kết luậnTrong bài viết này, chúng tôi đã đề cập đến 9 trường hợp sử dụng về việc xóa các hàng và cột bằng Pandas # A more intuitive way5. Bản thân phương pháp này rất dễ sử dụng và nó là một trong những phương pháp được yêu thích hàng đầu để thao tác dữ liệu trong Tiền xử lý dữ liệuCảm ơn vì đã đọc. Vui lòng xem Notebook để biết mã nguồn và tiếp tục theo dõi nếu bạn quan tâm đến khía cạnh thực tế của máy học. Các hướng dẫn khác có sẵn từ Github Repo |
