Bạn có thể tìm ra các giá trị hàng cho giá trị tối đa của cột trong pandas DataFrame bằng cách sử dụng các phương thức
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
3,
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
4 và thuộc tính ________0____5. Bạn cũng có thể sử dụng
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
6 và
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
7 để lấy cột tối đa và tối thiểuTrong bài viết này, tôi sẽ giải thích cách tìm giá trị hàng cho cột tối đa của Pandas DataFrame với một số ví dụ
1. Ví dụ nhanh về Tìm giá trị hàng cho Cột tối đa trong Pandas
Nếu bạn đang vội, dưới đây là một số ví dụ nhanh về cách tìm ra các giá trị hàng cho giá trị tối đa của cột trong DataFrame của gấu trúc
# Below are some quick examples.
# Using DataFrame.idxmax[] Method.
df2=df['Fee'].idxmax[]
# Using DataFrame.loc[] property.
df2=df.loc[df['Fee'].idxmax[]]
# Using DataFrame.query[] method.
df2=df.query['Fee == Fee.max[]']
#Using DataFrame.nlargest[] function.
df2=df.nlargest[2,['Fee']]
# Using DataFrame.nsmallest[] function.
df2=df.nsmallest[2,['Fee']]
Bây giờ, hãy tạo một Khung dữ liệu Pandas với một vài hàng và cột, đồng thời thực hiện một số ví dụ và xác thực kết quả. Khung dữ liệu của chúng tôi chứa các tên cột
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
8,
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
9,
Courses Fee Duration
0 Spark 22000 30days
1 Spark 25000 35days
2 PySpark 23000 40days
3 JAVA 24000 45days
4 Hadoop 26000 50days
5 .Net 30000 55days
6 Python 27000 60days
7 AEM 28000 35days
8 Oracle 35000 30days
9 SQL DBA 32000 40days
10 C 20000 50days
11 WebTechnologies 15000 55days
0 và
Courses Fee Duration
0 Spark 22000 30days
1 Spark 25000 35days
2 PySpark 23000 40days
3 JAVA 24000 45days
4 Hadoop 26000 50days
5 .Net 30000 55days
6 Python 27000 60days
7 AEM 28000 35days
8 Oracle 35000 30days
9 SQL DBA 32000 40days
10 C 20000 50days
11 WebTechnologies 15000 55days
1
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
Sản lượng dưới sản lượng
________số 8_______2. Sử dụng Khung dữ liệu. idxmax[] Nhận chỉ số hàng của cột tối đa
Khung dữ liệu. phương thức idxmax[] trả về chỉ số của lần xuất hiện đầu tiên của giá trị lớn nhất trên trục được yêu cầu [hàng hoặc cột]. Phương thức
Courses Fee Duration
0 Spark 22000 30days
1 Spark 25000 35days
2 PySpark 23000 40days
3 JAVA 24000 45days
4 Hadoop 26000 50days
5 .Net 30000 55days
6 Python 27000 60days
7 AEM 28000 35days
8 Oracle 35000 30days
9 SQL DBA 32000 40days
10 C 20000 50days
11 WebTechnologies 15000 55days
2 trả về một Sê-ri có chỉ số là giá trị lớn nhất cho mỗi cột. Bằng cách chỉ định trục cột [
Courses Fee Duration
0 Spark 22000 30days
1 Spark 25000 35days
2 PySpark 23000 40days
3 JAVA 24000 45days
4 Hadoop 26000 50days
5 .Net 30000 55days
6 Python 27000 60days
7 AEM 28000 35days
8 Oracle 35000 30days
9 SQL DBA 32000 40days
10 C 20000 50days
11 WebTechnologies 15000 55days
3], phương thức
Courses Fee Duration
0 Spark 22000 30days
1 Spark 25000 35days
2 PySpark 23000 40days
3 JAVA 24000 45days
4 Hadoop 26000 50days
5 .Net 30000 55days
6 Python 27000 60days
7 AEM 28000 35days
8 Oracle 35000 30days
9 SQL DBA 32000 40days
10 C 20000 50days
11 WebTechnologies 15000 55days
2 trả về một Chuỗi có chỉ mục là giá trị lớn nhất cho mỗi hàng
# Using DataFrame.idxmax[] Method.
value=df['Fee'].idxmax[]
print[value]
# Outputs
# 8
Điều này trả về chỉ mục 8 chứa giá trị tối đa cho một cột
Courses Fee Duration
0 Spark 22000 30days
1 Spark 25000 35days
2 PySpark 23000 40days
3 JAVA 24000 45days
4 Hadoop 26000 50days
5 .Net 30000 55days
6 Python 27000 60days
7 AEM 28000 35days
8 Oracle 35000 30days
9 SQL DBA 32000 40days
10 C 20000 50days
11 WebTechnologies 15000 55days
53. Nhận giá trị tối đa thực tế của cột
Bạn có thể lấy giá trị hàng của cột tối đa của gấu trúc bằng cách sử dụng thuộc tính
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
5 và idxmax[]. Thuộc tính
Courses Fee Duration
0 Spark 22000 30days
1 Spark 25000 35days
2 PySpark 23000 40days
3 JAVA 24000 45days
4 Hadoop 26000 50days
5 .Net 30000 55days
6 Python 27000 60days
7 AEM 28000 35days
8 Oracle 35000 30days
9 SQL DBA 32000 40days
10 C 20000 50days
11 WebTechnologies 15000 55days
7 được sử dụng để truy cập một nhóm các hàng và cột theo [các] nhãn hoặc một mảng boolean
# Using DataFrame.loc[] property.
df2=df.loc[df['Fee'].idxmax[]]
print[df2]
Sản lượng dưới sản lượng
Courses Oracle
Fee 35000
Duration 30days
Name: 8, dtype: object
4. Sử dụng Khung dữ liệu. truy vấn [] để lấy cột giá trị hàng tối đa
Bạn có thể lấy giá trị Hàng của cột tối đa của pandas bằng cách sử dụng phương thức
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
4. Phương thức
Courses Fee Duration
0 Spark 22000 30days
1 Spark 25000 35days
2 PySpark 23000 40days
3 JAVA 24000 45days
4 Hadoop 26000 50days
5 .Net 30000 55days
6 Python 27000 60days
7 AEM 28000 35days
8 Oracle 35000 30days
9 SQL DBA 32000 40days
10 C 20000 50days
11 WebTechnologies 15000 55days
9 được sử dụng để truy vấn các cột của DataFrame bằng biểu thức boolean. Điều này trả về toàn bộ hàng
# Using DataFrame.query[] method.
df2=df.query['Fee == Fee.max[]']
print[df2]
Sản lượng dưới sản lượng
Courses Fee Duration
8 Oracle 35000 30days
5. Sử dụng nlớn nhất [] để lấy cột tối đa
Bạn có thể tìm số lượng gấu trúc tối đa trong cột bằng cách sử dụng hàm
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
6. Hàm
# Using DataFrame.idxmax[] Method.
value=df['Fee'].idxmax[]
print[value]
# Outputs
# 8
1 được sử dụng để lấy n hàng đầu tiên được sắp xếp theo các cột theo thứ tự giảm dần. Các cột không được chỉ định cũng được trả về, nhưng không được sử dụng để sắp xếp
#Using DataFrame.nlargest[] function.
df2=df.nlargest[2,['Fee']]
print[df2]
Sản lượng dưới sản lượng
Courses Fee Duration
8 Oracle 35000 30days
9 SQL DBA 32000 40days
Theo cách tương tự, bạn cũng có thể sử dụng nó để tìm các giá trị
# Using DataFrame.idxmax[] Method.
value=df['Fee'].idxmax[]
print[value]
# Outputs
# 8
2 của các giá trị hàng của cột bằng hàm
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
7
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
0Sản lượng dưới sản lượng
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
16. Ví dụ đầy đủ - Giá trị hàng của cột tối đa
Dưới đây là các ví dụ đầy đủ về giá trị hàng của cột tối thiểu của pandas DataFrame
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
2Phần kết luận
Trong bài viết này, Bạn có thể tìm các giá trị hàng cho đến giá trị cột tối đa của Pandas DataFrame bằng cách sử dụng các phương thức
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
3,
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
4 và thuộc tính
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
5. Bạn cũng có thể sử dụng
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
6 và
# Create Pandas DataFrame.
import pandas as pd
import numpy as np
technologies= {
'Courses':["Spark","Spark","PySpark","JAVA","Hadoop",".Net","Python","AEM","Oracle","SQL DBA","C","WebTechnologies"],
'Fee' :[22000,25000,23000,24000,26000,30000,27000,28000,35000,32000,20000,15000],
'Duration':['30days','35days','40days','45days','50days','55days','60days','35days','30days','40days','50days','55days']
}
df = pd.DataFrame[technologies]
print[df]
7 để nhận các cột tối đa và tối thiểu trong DataFrame với các ví dụ trên