Hướng dẫn how to separate rows in python - cách tách hàng trong python

Cải thiện bài viết

Nội dung chính Show

Lưu bài viết

Đọc

Bàn luận

Cải thiện bài viết

Lưu bài viết

Đọc

Python3

Bàn luận

Chúng ta có thể thử các cách tiếp cận khác nhau để chia dữ liệu để có được kết quả mong muốn. Hãy cùng lấy một ví dụ về một bộ dữ liệu kim cương. & Nbsp; & nbsp;

# .loc DataFrame method
# filtering rows and selecting columns by label

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]

# .loc DataFrame method
# filtering rows and selecting columns by label

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]

# .loc DataFrame method
# filtering rows and selecting columns by label

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]

# .loc DataFrame method
# filtering rows and selecting columns by label

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

Output:

# .loc DataFrame method
# filtering rows and selecting columns by label

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]

4
# .loc DataFrame method # filtering rows and selecting columns by label # format # ufo.loc[rows, columns] # row 0, all columns ufo.loc[0, :]
9
In the below code, the dataframe is divided into two parts, first 1000 rows, and remaining rows. We can see the shape of the newly formed dataframes as the output of the given code.

Python3

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

Phương pháp 1: Tách gấu trúc DataFrame theo lệnh Row Inin Mã dưới đây, DataFrame được chia thành hai phần, 1000 hàng đầu tiên và các hàng còn lại. Chúng ta có thể thấy hình dạng của các khung dữ liệu mới được hình thành là đầu ra của mã đã cho. & NBSP;

# rows 0, 1, 2
# all columns

ufo.loc[[0, 1, 2], :]

# more efficient code
ufo.loc[0:2, :]

# rows 0, 1, 2
# all columns

ufo.loc[[0, 1, 2], :]

# more efficient code
ufo.loc[0:2, :]

# rows 0, 1, 2
# all columns

ufo.loc[[0, 1, 2], :]

# more efficient code
ufo.loc[0:2, :]

# rows 0, 1, 2
# all columns

ufo.loc[[0, 1, 2], :]

# more efficient code
ufo.loc[0:2, :]

# if you leave off ", :" pandas would assume it's there
# but you should leave it there to improve code readability
ufo.loc[0:2]

# if you leave off ", :" pandas would assume it's there
# but you should leave it there to improve code readability
ufo.loc[0:2]

Output:

Hướng dẫn how to separate rows in python - cách tách hàng trong python

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

6
City Ithaca Colors Reported NaN Shape Reported TRIANGLE State NY Time 6/1/1930 22:00 Name: 0, dtype: object
1
City Ithaca Colors Reported NaN Shape Reported TRIANGLE State NY Time 6/1/1930 22:00 Name: 0, dtype: object
8
City Ithaca Colors Reported NaN Shape Reported TRIANGLE State NY Time 6/1/1930 22:00 Name: 0, dtype: object
9
# rows 0, 1, 2 # all columns ufo.loc[[0, 1, 2], :] # more efficient code ufo.loc[0:2, :]
0
Here, we will first grouped the data by column value “color”. The newly formed dataframe consists of grouped data with color = “E”.

Python3

# rows 0, 1, 2
# all columns

ufo.loc[[0, 1, 2], :]

# more efficient code
ufo.loc[0:2, :]

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

# rows 0, 1, 2
# all columns

ufo.loc[[0, 1, 2], :]

# more efficient code
ufo.loc[0:2, :]

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

# rows 0, 1, 2
# all columns

ufo.loc[[0, 1, 2], :]

# more efficient code
ufo.loc[0:2, :]

Phương pháp 2: Tách dữ liệu gấu trúc theo các nhóm được hình thành từ Valueshere cột duy nhất, trước tiên chúng tôi sẽ nhóm dữ liệu theo giá trị cột. DataFrame mới được hình thành bao gồm dữ liệu được nhóm với Color = Hồi E Tiết. & NBSP;

# all rows
# column: City
ufo.loc[:, 'City']

Output:

# if you leave off ", :" pandas would assume it's there
# but you should leave it there to improve code readability
ufo.loc[0:2]

2
City Ithaca Colors Reported NaN Shape Reported TRIANGLE State NY Time 6/1/1930 22:00 Name: 0, dtype: object
1
# if you leave off ", :" pandas would assume it's there # but you should leave it there to improve code readability ufo.loc[0:2]
4
In the above code, we can see that we have formed a new dataset of a size of 0.6 i.e. 60% of total rows (or length of the dataset), which now consists of 32364 rows. These rows are selected randomly.

Python3

# if you leave off ", :" pandas would assume it's there
# but you should leave it there to improve code readability
ufo.loc[0:2]

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

# if you leave off ", :" pandas would assume it's there
# but you should leave it there to improve code readability
ufo.loc[0:2]

# if you leave off ", :" pandas would assume it's there
# but you should leave it there to improve code readability
ufo.loc[0:2]

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

0                      Ithaca
1                 Willingboro
2                     Holyoke
3                     Abilene
4        New York Worlds Fair
5                 Valley City
6                 Crater Lake
7                        Alma
8                     Eklutna
9                     Hubbard
10                    Fontana
11                   Waterloo
12                     Belton
13                     Keokuk
14                  Ludington
15                Forest Home
16                Los Angeles
17                  Hapeville
18                     Oneida
19                 Bering Sea
20                   Nebraska
21                        NaN
22                        NaN
23                  Owensboro
24                 Wilderness
25                  San Diego
26                 Wilderness
27                     Clovis
28                 Los Alamos
29               Ft. Duschene
                 ...         
18211                 Holyoke
18212                  Carson
18213                Pasadena
18214                  Austin
18215                El Campo
18216            Garden Grove
18217           Berthoud Pass
18218              Sisterdale
18219            Garden Grove
18220             Shasta Lake
18221                Franklin
18222          Albrightsville
18223              Greenville
18224                 Eufaula
18225             Simi Valley
18226           San Francisco
18227           San Francisco
18228              Kingsville
18229                 Chicago
18230             Pismo Beach
18231             Pismo Beach
18232                    Lodi
18233               Anchorage
18234                Capitola
18235          Fountain Hills
18236              Grant Park
18237             Spirit Lake
18238             Eagle River
18239             Eagle River
18240                    Ybor
Name: City, dtype: object

Output:

TAM GIÁC

NY

.loc
.iloc
.ix

In [3]:

url = 'http://bit.ly/uforeports'
ufo = pd.read_csv(url)

In [5]:

# show first 3 shows
ufo.head(3)

Out[5]:

	Thành phố	Màu sắc được báo cáo	Hình dạng báo cáo	Tiểu bang	Thời gian
0	Ithaca	Nan	TAM GIÁC	NY	6/1/1930 22:00
1	Willingboro	Nan	TAM GIÁC	NY	6/1/1930 22:00
2	TAM GIÁC	Nan	TAM GIÁC	NY	6/1/1930 22:00

Willingboro
This is a really powerful and flexible method

In [6]:

# .loc DataFrame method
# filtering rows and selecting columns by label

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]

Out[6]:

City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object

In [10]:

# rows 0, 1, 2
# all columns

ufo.loc[[0, 1, 2], :]

# more efficient code
ufo.loc[0:2, :]

Out[10]:

	Thành phố	Màu sắc được báo cáo	Hình dạng báo cáo	Tiểu bang	Thời gian
0	Ithaca	Nan	TAM GIÁC	NY	6/1/1930 22:00
1	Willingboro	Nan	TAM GIÁC	NY	6/1/1930 22:00
2	TAM GIÁC	Nan	TAM GIÁC	NY	6/1/1930 22:00

In [12]:

# if you leave off ", :" pandas would assume it's there
# but you should leave it there to improve code readability
ufo.loc[0:2]

Out[12]:

	Thành phố	Màu sắc được báo cáo	Hình dạng báo cáo	Tiểu bang	Thời gian
0	Ithaca	Nan	TAM GIÁC	NY	6/1/1930 22:00
1	Willingboro	Nan	TAM GIÁC	NY	6/1/1930 22:00
2	TAM GIÁC	Nan	TAM GIÁC	NY	6/1/1930 22:00

In [13]:

# all rows
# column: City
ufo.loc[:, 'City']

Out[13]:

0                      Ithaca
1                 Willingboro
2                     Holyoke
3                     Abilene
4        New York Worlds Fair
5                 Valley City
6                 Crater Lake
7                        Alma
8                     Eklutna
9                     Hubbard
10                    Fontana
11                   Waterloo
12                     Belton
13                     Keokuk
14                  Ludington
15                Forest Home
16                Los Angeles
17                  Hapeville
18                     Oneida
19                 Bering Sea
20                   Nebraska
21                        NaN
22                        NaN
23                  Owensboro
24                 Wilderness
25                  San Diego
26                 Wilderness
27                     Clovis
28                 Los Alamos
29               Ft. Duschene
                 ...         
18211                 Holyoke
18212                  Carson
18213                Pasadena
18214                  Austin
18215                El Campo
18216            Garden Grove
18217           Berthoud Pass
18218              Sisterdale
18219            Garden Grove
18220             Shasta Lake
18221                Franklin
18222          Albrightsville
18223              Greenville
18224                 Eufaula
18225             Simi Valley
18226           San Francisco
18227           San Francisco
18228              Kingsville
18229                 Chicago
18230             Pismo Beach
18231             Pismo Beach
18232                    Lodi
18233               Anchorage
18234                Capitola
18235          Fountain Hills
18236              Grant Park
18237             Spirit Lake
18238             Eagle River
18239             Eagle River
18240                    Ybor
Name: City, dtype: object

In [15]:

# all rows
# column: City, State
ufo.loc[:, ['City', 'State']]

# similar code for City through State
ufo.loc[:, 'City':'State']

Out[15]:

	Thành phố	Màu sắc được báo cáo	Hình dạng báo cáo	Tiểu bang
0	Ithaca	Nan	TAM GIÁC	NY
1	Willingboro	Nan	TAM GIÁC	NY
2	TAM GIÁC	Nan	TAM GIÁC	NY
3	6/1/1930 22:00	Nan	TAM GIÁC	NY
4	6/1/1930 22:00	Nan	TAM GIÁC	NY
5	6/1/1930 22:00	Nan	TAM GIÁC	NY
6	6/1/1930 22:00	Nan	TAM GIÁC	NY
7	6/1/1930 22:00	Nan	TAM GIÁC	NY
8	6/1/1930 22:00	Nan	Willingboro	KHÁC
9	NJ	Nan	6/30/1930 20:00	.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.
10	lục địa	Nan	TAM GIÁC	NY
11	6/1/1930 22:00	Nan	Willingboro	KHÁC
12	NJ	6/30/1930 20:00	.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.	lục địa
13	quốc gia	Nan	TAM GIÁC	Ia
14	NY	Nan	TAM GIÁC	NY
15	6/1/1930 22:00	Nan	TAM GIÁC	NY
16	6/1/1930 22:00	Nan	Nan	NY
17	6/1/1930 22:00	Nan	Nan	Willingboro
18	KHÁC	Nan	NJ	6/30/1930 20:00
19	.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.	6/30/1930 20:00	TAM GIÁC	KHÁC
20	NJ	Nan	TAM GIÁC	NY
21	Nan	Nan	Nan	6/1/1930 22:00
22	Nan	Nan	TAM GIÁC	6/1/1930 22:00
23	Willingboro	Nan	NJ	6/30/1930 20:00
24	.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.	Nan	TAM GIÁC	NY
25	6/1/1930 22:00	Nan	Willingboro	NY
26	.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.	Nan	TAM GIÁC	NY
27	6/1/1930 22:00	Nan	TAM GIÁC	NY
28	6/1/1930 22:00	Nan	TAM GIÁC	NY
29	6/1/1930 22:00	Nan	TAM GIÁC	NY
6/1/1930 22:00	Willingboro	Willingboro	Willingboro	Willingboro
18211	TAM GIÁC	Nan	NY	6/1/1930 22:00
18212	Willingboro	Nan	TAM GIÁC	NY
18213	6/1/1930 22:00	Willingboro	Willingboro	NY
18214	6/1/1930 22:00	Nan	Willingboro	KHÁC
18215	NJ	Nan	TAM GIÁC	KHÁC
18216	NJ	6/30/1930 20:00	TAM GIÁC	NY
18217	6/1/1930 22:00	Nan	TAM GIÁC	NY
18218	6/1/1930 22:00	Nan	NY	KHÁC
18219	NJ	Nan	6/30/1930 20:00	NY
18220	6/1/1930 22:00	Willingboro	TAM GIÁC	NY
18221	6/1/1930 22:00	Nan	TAM GIÁC	NY
18222	6/1/1930 22:00	Nan	TAM GIÁC	Willingboro
18223	KHÁC	Nan	Nan	lục địa
18224	quốc gia	Nan	TAM GIÁC	NY
18225	6/1/1930 22:00	Nan	Willingboro	NY
18226	6/1/1930 22:00	Nan	Willingboro	NY
18227	6/1/1930 22:00	Nan	TAM GIÁC	NY
18228	6/1/1930 22:00	Nan	TAM GIÁC	KHÁC
18229	NJ	Nan	TAM GIÁC	NY
18230	6/1/1930 22:00	Nan	TAM GIÁC	NY
18231	6/1/1930 22:00	Nan	TAM GIÁC	NY
18232	6/1/1930 22:00	Nan	Nan	WI
18233	Willingboro	6/30/1930 20:00	.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.	KHÁC
18234	NJ	Nan	TAM GIÁC	NY
18235	6/1/1930 22:00	Nan	Nan	Willingboro
18236	KHÁC	Nan	TAM GIÁC	NY
18237	6/1/1930 22:00	Nan	TAM GIÁC	Ia
18238	Sông đại bàng	Nan	Nan	WI
18239	Sông đại bàng	6/30/1930 20:00	TAM GIÁC	WI
18240	Ybor	Nan	TAM GIÁC	Fl

In [17]:

# multiple rows and multiple columns
ufo.loc[0:2, 'City':'State']

Out[17]:

	Thành phố	Màu sắc được báo cáo	Hình dạng báo cáo	Tiểu bang
0	Ithaca	Nan	TAM GIÁC	NY
1	Willingboro	Nan	TAM GIÁC	NY
2	TAM GIÁC	Nan	TAM GIÁC	NY

In [18]:

# show first 3 shows
ufo.head(3)

Out[18]:

	Thành phố	Màu sắc được báo cáo	Hình dạng báo cáo	Tiểu bang	Thời gian
1694	6/1/1930 22:00	Nan	Willingboro	NY	6/1/1930 22:00
2144	6/1/1930 22:00	Nan	TAM GIÁC	NY	6/1/1930 22:00
4686	6/1/1930 22:00	Nan	TAM GIÁC	NY	6/1/1930 22:00
7293	6/1/1930 22:00	Nan	TAM GIÁC	NY	6/1/1930 22:00
8488	6/1/1930 22:00	Nan	Nan	NY	6/1/1930 22:00
8768	6/1/1930 22:00	Nan	Nan	NY	6/1/1930 22:00
10816	6/1/1930 22:00	Nan	TAM GIÁC	.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.	lục địa
10948	6/1/1930 22:00	Nan	TAM GIÁC	NY	6/1/1930 22:00
11045	6/1/1930 22:00	Nan	TAM GIÁC	NY	6/1/1930 22:00
12322	6/1/1930 22:00	Nan	Willingboro	NY	6/1/1930 22:00
12941	6/1/1930 22:00	Nan	6/30/1930 20:00	NY	6/1/1930 22:00
16803	6/1/1930 22:00	Nan	TAM GIÁC	NY	6/1/1930 22:00
17322	6/1/1930 22:00	Nan	6/30/1930 20:00	NY	6/1/1930 22:00

In [20]:

# show first 3 shows
ufo.head(3)

Out[20]:

	Thành phố	Màu sắc được báo cáo	Hình dạng báo cáo	Tiểu bang	Thời gian
1694	6/1/1930 22:00	Nan	Willingboro	NY	6/1/1930 22:00
2144	6/1/1930 22:00	Nan	TAM GIÁC	NY	6/1/1930 22:00
4686	6/1/1930 22:00	Nan	TAM GIÁC	NY	6/1/1930 22:00
7293	6/1/1930 22:00	Nan	TAM GIÁC	NY	6/1/1930 22:00
8488	6/1/1930 22:00	Nan	Nan	NY	6/1/1930 22:00
8768	6/1/1930 22:00	Nan	Nan	NY	6/1/1930 22:00
10816	6/1/1930 22:00	Nan	TAM GIÁC	.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.	lục địa
10948	6/1/1930 22:00	Nan	TAM GIÁC	Ca.	14/11/1997 19:55
11045	Oakland	Nan	TAM GIÁC	Ca.	12/10/1997 1:30
12322	Oakland	Nan	TAM GIÁC	Ca.	12/10/1997 1:30
12941	Oakland	Nan	TAM GIÁC	Ca.	12/10/1997 1:30
16803	Oakland	Nan	TAM GIÁC	12/10/1997 1:30	QUẢ CẦU LỬA
17322	Oakland	Nan	TAM GIÁC	Ca.	12/10/1997 1:30

In [21]:

# show first 3 shows
ufo.head(3)

Out[21]:

# show first 3 shows
ufo.head(3)

In [24]:

# show first 3 shows
ufo.head(3)

Out[24]:

# show first 3 shows
ufo.head(3)

Out[25]:

	QUẢ CẦU LỬA	10/9/1998 19:40
0	HÌNH TRỤ	1/23/1999 21:30
1	Md	7/4/2000 23:00
2	9/1/2000 21:35	Thành phố
3	Tiểu bang	Ithaca
4	NY	1/23/1999 21:30
5	Md	7/4/2000 23:00
6	9/1/2000 21:35	Ca.
7	Thành phố	Tiểu bang
8	Ithaca	NY
9	Willingboro	NJ
10	Holyoke	Ca.
11	Đồng	Abilene
12	KS	Hội chợ Thế giới New York
13	Thành phố thung lũng	Thứ nd
14	Hồ miệng núi lửa	Tiểu bang
15	Ithaca	Ca.
16	NY	Ca.
17	Willingboro	NJ
18	Holyoke	Đồng
19	Abilene	NY
20	Willingboro	NJ
21	Nan	TAM GIÁC
22	Nan	TAM GIÁC
23	12/10/1997 1:30	QUẢ CẦU LỬA
24	10/9/1998 19:40	HÌNH TRỤ
25	1/23/1999 21:30	Ca.
26	10/9/1998 19:40	HÌNH TRỤ
27	1/23/1999 21:30	Md
28	7/4/2000 23:00	Md
29	7/4/2000 23:00	9/1/2000 21:35
Thành phố	Tiểu bang	Tiểu bang
18211	9/1/2000 21:35	Thành phố
18212	Tiểu bang	Ca.
18213	Ithaca	Ca.
18214	NY	Willingboro
18215	NJ	Willingboro
18216	NJ	Ca.
18217	Holyoke	Thành phố
18218	Tiểu bang	Willingboro
18219	NJ	Ca.
18220	Holyoke	Ca.
18221	Đồng	Abilene
18222	KS	Hội chợ Thế giới New York
18223	Thành phố thung lũng	Hội chợ Thế giới New York
18224	Thành phố thung lũng	Thứ nd
18225	Hồ miệng núi lửa	Ca.
18226	Alma	Ca.
18227	Alma	Ca.
18228	Mi	Willingboro
18229	NJ	Holyoke
18230	Đồng	Ca.
18231	Đồng	Ca.
18232	Abilene	KS
18233	Hội chợ Thế giới New York	NY
18234	Willingboro	Ca.
18235	NJ	Holyoke
18236	Đồng	Holyoke
18237	Đồng	Thứ nd
18238	Hồ miệng núi lửa	KS
18239	Hồ miệng núi lửa	KS
18240	Hội chợ Thế giới New York	Thành phố thung lũng

Thứ nd

In [28]:

# show first 3 shows
ufo.head(3)

Out[28]:

	QUẢ CẦU LỬA	10/9/1998 19:40	HÌNH TRỤ	10/9/1998 19:40
0	HÌNH TRỤ	Nan	TAM GIÁC	1/23/1999 21:30
1	Md	Nan	TAM GIÁC	7/4/2000 23:00
2	9/1/2000 21:35	Nan	TAM GIÁC	Thành phố
3	Tiểu bang	Nan	TAM GIÁC	Ithaca
4	NY	Nan	TAM GIÁC	1/23/1999 21:30
5	Md	Nan	TAM GIÁC	7/4/2000 23:00
6	9/1/2000 21:35	Nan	TAM GIÁC	Ca.
7	Thành phố	Nan	TAM GIÁC	Tiểu bang
8	Ithaca	Nan	TAM GIÁC	NY
9	Willingboro	Nan	TAM GIÁC	NJ
10	Holyoke	Nan	TAM GIÁC	Ca.
11	Đồng	Nan	TAM GIÁC	Abilene
12	KS	Hội chợ Thế giới New York	Thành phố thung lũng	Hội chợ Thế giới New York
13	Thành phố thung lũng	Nan	TAM GIÁC	Thứ nd
14	Hồ miệng núi lửa	Nan	TAM GIÁC	Tiểu bang
15	Ithaca	Nan	TAM GIÁC	Ca.
16	NY	Nan	Nan	Ca.
17	Willingboro	Nan	Nan	NJ
18	Holyoke	Nan	TAM GIÁC	Đồng
19	Abilene	Hội chợ Thế giới New York	TAM GIÁC	NY
20	Willingboro	Nan	TAM GIÁC	NJ
21	Nan	Nan	Nan	TAM GIÁC
22	Nan	Nan	TAM GIÁC	TAM GIÁC
23	12/10/1997 1:30	Nan	TAM GIÁC	QUẢ CẦU LỬA
24	10/9/1998 19:40	Nan	TAM GIÁC	HÌNH TRỤ
25	1/23/1999 21:30	Nan	TAM GIÁC	Ca.
26	10/9/1998 19:40	Nan	TAM GIÁC	HÌNH TRỤ
27	1/23/1999 21:30	Nan	TAM GIÁC	Md
28	7/4/2000 23:00	Nan	TAM GIÁC	Md
29	7/4/2000 23:00	Nan	TAM GIÁC	9/1/2000 21:35
Thành phố	Tiểu bang	Tiểu bang	Tiểu bang	Tiểu bang
18211	9/1/2000 21:35	Nan	Thành phố	Thành phố
18212	Tiểu bang	Nan	TAM GIÁC	Ca.
18213	Ithaca	NY	TAM GIÁC	Ca.
18214	NY	Nan	TAM GIÁC	Willingboro
18215	NJ	Nan	TAM GIÁC	Willingboro
18216	NJ	Holyoke	TAM GIÁC	Ca.
18217	Holyoke	Nan	TAM GIÁC	Thành phố
18218	Tiểu bang	Nan	Thành phố	Willingboro
18219	NJ	Nan	Holyoke	Ca.
18220	Holyoke	Đồng	TAM GIÁC	Ca.
18221	Đồng	Nan	TAM GIÁC	Abilene
18222	KS	Nan	TAM GIÁC	Hội chợ Thế giới New York
18223	Thành phố thung lũng	Nan	Nan	Hội chợ Thế giới New York
18224	Thành phố thung lũng	Nan	TAM GIÁC	Thứ nd
18225	Hồ miệng núi lửa	Nan	TAM GIÁC	Ca.
18226	Alma	Nan	TAM GIÁC	Ca.
18227	Alma	Nan	TAM GIÁC	Ca.
18228	Mi	Nan	TAM GIÁC	Willingboro
18229	NJ	Nan	TAM GIÁC	Holyoke
18230	Đồng	Nan	TAM GIÁC	Ca.
18231	Đồng	Nan	TAM GIÁC	Ca.
18232	Abilene	Nan	Nan	KS
18233	Hội chợ Thế giới New York	Hội chợ Thế giới New York	Thành phố thung lũng	NY
18234	Willingboro	Nan	TAM GIÁC	Ca.
18235	NJ	Nan	Nan	Holyoke
18236	Đồng	Nan	TAM GIÁC	Holyoke
18237	Đồng	Nan	TAM GIÁC	Thứ nd
18238	Hồ miệng núi lửa	Nan	Nan	KS
18239	Hồ miệng núi lửa	Hội chợ Thế giới New York	TAM GIÁC	KS
18240	Hội chợ Thế giới New York	Nan	TAM GIÁC	Thành phố thung lũng

Thứ nd

In [31]:

# show first 3 shows
ufo.head(3)

Out[31]:

	QUẢ CẦU LỬA	10/9/1998 19:40	HÌNH TRỤ	10/9/1998 19:40	HÌNH TRỤ
0	HÌNH TRỤ	Nan	TAM GIÁC	1/23/1999 21:30	Md
1	Md	Nan	TAM GIÁC	7/4/2000 23:00	9/1/2000 21:35
2	9/1/2000 21:35	Nan	TAM GIÁC	Thành phố	Tiểu bang

In [38]:

# show first 3 shows
ufo.head(3)

Out[38]:

	QUẢ CẦU LỬA	10/9/1998 19:40
0	HÌNH TRỤ	1/23/1999 21:30
1	Md	7/4/2000 23:00
2	9/1/2000 21:35	Thành phố
3	Tiểu bang	Ithaca
4	NY	1/23/1999 21:30
5	Md	7/4/2000 23:00
6	9/1/2000 21:35	Ca.
7	Thành phố	Tiểu bang
8	Ithaca	NY
9	Willingboro	NJ
10	Holyoke	Ca.
11	Đồng	Abilene
12	KS	Hội chợ Thế giới New York
13	Thành phố thung lũng	Thứ nd
14	Hồ miệng núi lửa	Tiểu bang
15	Ithaca	Ca.
16	NY	Ca.
17	Willingboro	NJ
18	Holyoke	Đồng
19	Abilene	NY
20	Willingboro	NJ
21	Nan	TAM GIÁC
22	Nan	TAM GIÁC
23	12/10/1997 1:30	QUẢ CẦU LỬA
24	10/9/1998 19:40	HÌNH TRỤ
25	1/23/1999 21:30	Ca.
26	10/9/1998 19:40	HÌNH TRỤ
27	1/23/1999 21:30	Md
28	7/4/2000 23:00	Md
29	7/4/2000 23:00	9/1/2000 21:35
Thành phố	Tiểu bang	Tiểu bang
18211	9/1/2000 21:35	Thành phố
18212	Tiểu bang	Ca.
18213	Ithaca	Ca.
18214	NY	Willingboro
18215	NJ	Willingboro
18216	NJ	Ca.
18217	Holyoke	Thành phố
18218	Tiểu bang	Willingboro
18219	NJ	Ca.
18220	Holyoke	Ca.
18221	Đồng	Abilene
18222	KS	Hội chợ Thế giới New York
18223	Thành phố thung lũng	Hội chợ Thế giới New York
18224	Thành phố thung lũng	Thứ nd
18225	Hồ miệng núi lửa	Ca.
18226	Alma	Ca.
18227	Alma	Ca.
18228	Mi	Willingboro
18229	NJ	Holyoke
18230	Đồng	Ca.
18231	Đồng	Ca.
18232	Abilene	KS
18233	Hội chợ Thế giới New York	NY
18234	Willingboro	Ca.
18235	NJ	Holyoke
18236	Đồng	Holyoke
18237	Đồng	Thứ nd
18238	Hồ miệng núi lửa	KS
18239	Hồ miệng núi lửa	KS
18240	Hội chợ Thế giới New York	Thành phố thung lũng

Thứ nd

In [40]:

# show first 3 shows
ufo.head(3)

Out[40]:

	QUẢ CẦU LỬA	10/9/1998 19:40	HÌNH TRỤ	10/9/1998 19:40	HÌNH TRỤ
0	HÌNH TRỤ	Nan	TAM GIÁC	1/23/1999 21:30	Md
1	Md	Nan	TAM GIÁC	7/4/2000 23:00	9/1/2000 21:35

Thành phố
Mix labels and integers when using selection.

In [41]:

# .loc DataFrame method
# filtering rows and selecting columns by label

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]

Out[42]:

	beer_servings	spirit_servings	wine_servings	total_litres_of_pure_alcohol	lục địa
quốc gia
Afghanistan	0	0	0	0.0	Châu Á
Albania	89	132	54	4.9	Châu Âu
Algeria	25	0	14	0.7	Châu phi
Andorra	245	138	312	12.4	Châu Âu
Algeria	217	57	45	5.9	Châu phi

In [44]:

# .loc DataFrame method
# filtering rows and selecting columns by label

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]

In [46]:

# .loc DataFrame method
# filtering rows and selecting columns by label

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]

Out[46]:

	beer_servings	spirit_servings
quốc gia
Albania	89	132
Algeria	25	0
Andorra	245	138

In [48]:

# .loc DataFrame method
# filtering rows and selecting columns by label

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]

Out[48]:

	Angola	Thành phố
0	Màu sắc được báo cáo	Ithaca
1	Nan	Ithaca
2	Nan	Ithaca

Hướng dẫn how to separate rows in python - cách tách hàng trong python

Python3

Python3

Python3

Python3

NY

Bài Viết Liên Quan

Quảng Cáo

Có thể bạn quan tâm

Toplist được quan tâm

Quảng cáo

Xem Nhiều

Quảng cáo

Chúng tôi

Điều khoản

Trợ giúp

Mạng xã hội