programming python Pandas iterrows Pandas reindex Drop column Pandas Pandas divide

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

Cải thiện bài viết

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, :]
    4 
    # .loc DataFrame method
# filtering rows and selecting columns by label

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]
    5

    # .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, :]
    7

    City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object
    5

    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
    0
    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
    2
    City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object
    3
    City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object
    4

    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, :]
    6
    # rows 0, 1, 2
# all columns

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

# more efficient code
ufo.loc[0:2, :]
    7
    # rows 0, 1, 2
# all columns

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

# more efficient code
ufo.loc[0:2, :]
    8
    # rows 0, 1, 2
# all columns

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

# more efficient code
ufo.loc[0:2, :]
    9
    # if you leave off ", :" pandas would assume it's there
# but you should leave it there to improve code readability
ufo.loc[0:2]
    0
    # if you leave off ", :" pandas would assume it's there
# but you should leave it there to improve code readability
ufo.loc[0:2]
    1

    Output:   
     

    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, :]
    1
    City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object
    1 
    # rows 0, 1, 2
# all columns

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

# more efficient code
ufo.loc[0:2, :]
    3
    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, :]
    5

    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']
    0

    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]
    5
    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]
    7
    # if you leave off ", :" pandas would assume it's there
# but you should leave it there to improve code readability
ufo.loc[0:2]
    8
    City                       Ithaca
Colors Reported               NaN
Shape Reported           TRIANGLE
State                          NY
Time               6/1/1930 22:00
Name: 0, dtype: object
    4

    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
    0

    Output:   
     


    TAM GIÁC

    NY

    • .loc
    • .iloc
    • .ix

    In [3]:

    url = '//bit.ly/uforeports'
ufo = pd.read_csv[url]

    In [5]:

    # show first 3 shows
ufo.head[3]

    Out[5]:

    Thành phốMàu sắc được báo cáoHình dạng báo cáoTiểu bangThời gian012
    IthacaNanTAM GIÁCNY6/1/1930 22:00
    WillingboroNanTAM GIÁCNY6/1/1930 22:00
    TAM GIÁCNanTAM GIÁCNY6/1/1930 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 phốMàu sắc được báo cáoHình dạng báo cáoTiểu bangThời gian012
    IthacaNanTAM GIÁCNY6/1/1930 22:00
    WillingboroNanTAM GIÁCNY6/1/1930 22:00
    TAM GIÁCNanTAM GIÁCNY6/1/1930 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 phốMàu sắc được báo cáoHình dạng báo cáoTiểu bangThời gian012
    IthacaNanTAM GIÁCNY6/1/1930 22:00
    WillingboroNanTAM GIÁCNY6/1/1930 22:00
    TAM GIÁCNanTAM GIÁCNY6/1/1930 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 phốMàu sắc được báo cáoHình dạng báo cáoTiểu bang012345678910111213141516171819202122232425262728296/1/1930 22:00182111821218213182141821518216182171821818219182201822118222182231822418225182261822718228182291823018231182321823318234182351823618237182381823918240
    IthacaNanTAM GIÁCNY
    WillingboroNanTAM GIÁCNY
    TAM GIÁCNanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanWillingboroKHÁC
    NJNan6/30/1930 20:00.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.
    lục địaNanTAM GIÁCNY
    6/1/1930 22:00NanWillingboroKHÁC
    NJ6/30/1930 20:00.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.lục địa
    quốc giaNanTAM GIÁCIa
    NYNanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanNanNY
    6/1/1930 22:00NanNanWillingboro
    KHÁCNanNJ6/30/1930 20:00
    .IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.6/30/1930 20:00TAM GIÁCKHÁC
    NJNanTAM GIÁCNY
    NanNanNan6/1/1930 22:00
    NanNanTAM GIÁC6/1/1930 22:00
    WillingboroNanNJ6/30/1930 20:00
    .IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.NanTAM GIÁCNY
    6/1/1930 22:00NanWillingboroNY
    .IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.NanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    WillingboroWillingboroWillingboroWillingboro
    TAM GIÁCNanNY6/1/1930 22:00
    WillingboroNanTAM GIÁCNY
    6/1/1930 22:00WillingboroWillingboroNY
    6/1/1930 22:00NanWillingboroKHÁC
    NJNanTAM GIÁCKHÁC
    NJ6/30/1930 20:00TAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanNYKHÁC
    NJNan6/30/1930 20:00NY
    6/1/1930 22:00WillingboroTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCWillingboro
    KHÁCNanNanlục địa
    quốc giaNanTAM GIÁCNY
    6/1/1930 22:00NanWillingboroNY
    6/1/1930 22:00NanWillingboroNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCKHÁC
    NJNanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCNY
    6/1/1930 22:00NanNanWI
    Willingboro6/30/1930 20:00.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.KHÁC
    NJNanTAM GIÁCNY
    6/1/1930 22:00NanNanWillingboro
    KHÁCNanTAM GIÁCNY
    6/1/1930 22:00NanTAM GIÁCIa
    Sông đại bàngNanNanWI
    Sông đại bàng6/30/1930 20:00TAM GIÁCWI
    YborNanTAM GIÁCFl

    NY

    In [17]:

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

    Out[17]:

    Thành phốMàu sắc được báo cáoHình dạng báo cáoTiểu bang012
    IthacaNanTAM GIÁCNY
    WillingboroNanTAM GIÁCNY
    TAM GIÁCNanTAM GIÁCNY

    In [18]:

    # show first 3 shows
ufo.head[3]
    0

    Out[18]:

    Thành phốMàu sắc được báo cáoHình dạng báo cáoTiểu bangThời gian16942144468672938488876810816109481104512322129411680317322
    6/1/1930 22:00NanWillingboroNY6/1/1930 22:00
    6/1/1930 22:00NanTAM GIÁCNY6/1/1930 22:00
    6/1/1930 22:00NanTAM GIÁCNY6/1/1930 22:00
    6/1/1930 22:00NanTAM GIÁCNY6/1/1930 22:00
    6/1/1930 22:00NanNanNY6/1/1930 22:00
    6/1/1930 22:00NanNanNY6/1/1930 22:00
    6/1/1930 22:00NanTAM GIÁC.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.lục địa
    6/1/1930 22:00NanTAM GIÁCNY6/1/1930 22:00
    6/1/1930 22:00NanTAM GIÁCNY6/1/1930 22:00
    6/1/1930 22:00NanWillingboroNY6/1/1930 22:00
    6/1/1930 22:00Nan6/30/1930 20:00NY6/1/1930 22:00
    6/1/1930 22:00NanTAM GIÁCNY6/1/1930 22:00
    6/1/1930 22:00Nan6/30/1930 20:00NY6/1/1930 22:00

    In [20]:

    # show first 3 shows
ufo.head[3]
    1

    Out[20]:

    Thành phốMàu sắc được báo cáoHình dạng báo cáoTiểu bangThời gian16942144468672938488876810816109481104512322129411680317322
    6/1/1930 22:00NanWillingboroNY6/1/1930 22:00
    6/1/1930 22:00NanTAM GIÁCNY6/1/1930 22:00
    6/1/1930 22:00NanTAM GIÁCNY6/1/1930 22:00
    6/1/1930 22:00NanTAM GIÁCNY6/1/1930 22:00
    6/1/1930 22:00NanNanNY6/1/1930 22:00
    6/1/1930 22:00NanNanNY6/1/1930 22:00
    6/1/1930 22:00NanTAM GIÁC.IX sử dụng nhãn trộn và số nguyên khi sử dụng lựa chọn.lục địa
    6/1/1930 22:00NanTAM GIÁCCa.14/11/1997 19:55
    OaklandNanTAM GIÁCCa.12/10/1997 1:30
    OaklandNanTAM GIÁCCa.12/10/1997 1:30
    OaklandNanTAM GIÁCCa.12/10/1997 1:30
    OaklandNanTAM GIÁC12/10/1997 1:30QUẢ CẦU LỬA
    OaklandNanTAM GIÁCCa.12/10/1997 1:30

    In [21]:

    # show first 3 shows
ufo.head[3]
    2

    Out[21]:

    # show first 3 shows
ufo.head[3]
    3

    In [24]:

    # show first 3 shows
ufo.head[3]
    4

    Out[24]:

    # show first 3 shows
ufo.head[3]
    3

    Out[25]:

    QUẢ CẦU LỬA10/9/1998 19:4001234567891011121314151617181920212223242526272829Thành phố182111821218213182141821518216182171821818219182201822118222182231822418225182261822718228182291823018231182321823318234182351823618237182381823918240
    HÌNH TRỤ1/23/1999 21:30
    Md7/4/2000 23:00
    9/1/2000 21:35Thành phố
    Tiểu bangIthaca
    NY1/23/1999 21:30
    Md7/4/2000 23:00
    9/1/2000 21:35Ca.
    Thành phốTiểu bang
    IthacaNY
    WillingboroNJ
    HolyokeCa.
    ĐồngAbilene
    KSHội chợ Thế giới New York
    Thành phố thung lũngThứ nd
    Hồ miệng núi lửaTiểu bang
    IthacaCa.
    NYCa.
    WillingboroNJ
    HolyokeĐồng
    AbileneNY
    WillingboroNJ
    NanTAM GIÁC
    NanTAM GIÁC
    12/10/1997 1:30QUẢ CẦU LỬA
    10/9/1998 19:40HÌNH TRỤ
    1/23/1999 21:30Ca.
    10/9/1998 19:40HÌNH TRỤ
    1/23/1999 21:30Md
    7/4/2000 23:00Md
    7/4/2000 23:009/1/2000 21:35
    Tiểu bangTiểu bang
    9/1/2000 21:35Thành phố
    Tiểu bangCa.
    IthacaCa.
    NYWillingboro
    NJWillingboro
    NJCa.
    HolyokeThành phố
    Tiểu bangWillingboro
    NJCa.
    HolyokeCa.
    ĐồngAbilene
    KSHội chợ Thế giới New York
    Thành phố thung lũngHội chợ Thế giới New York
    Thành phố thung lũngThứ nd
    Hồ miệng núi lửaCa.
    AlmaCa.
    AlmaCa.
    MiWillingboro
    NJHolyoke
    ĐồngCa.
    ĐồngCa.
    AbileneKS
    Hội chợ Thế giới New YorkNY
    WillingboroCa.
    NJHolyoke
    ĐồngHolyoke
    ĐồngThứ nd
    Hồ miệng núi lửaKS
    Hồ miệng núi lửaKS
    Hội chợ Thế giới New YorkThành phố thung lũng

    Thứ nd

    In [28]:

    # show first 3 shows
ufo.head[3]
    6

    Out[28]:

    QUẢ CẦU LỬA10/9/1998 19:40HÌNH TRỤ10/9/1998 19:4001234567891011121314151617181920212223242526272829Thành phố182111821218213182141821518216182171821818219182201822118222182231822418225182261822718228182291823018231182321823318234182351823618237182381823918240
    HÌNH TRỤNanTAM GIÁC1/23/1999 21:30
    MdNanTAM GIÁC7/4/2000 23:00
    9/1/2000 21:35NanTAM GIÁCThành phố
    Tiểu bangNanTAM GIÁCIthaca
    NYNanTAM GIÁC1/23/1999 21:30
    MdNanTAM GIÁC7/4/2000 23:00
    9/1/2000 21:35NanTAM GIÁCCa.
    Thành phốNanTAM GIÁCTiểu bang
    IthacaNanTAM GIÁCNY
    WillingboroNanTAM GIÁCNJ
    HolyokeNanTAM GIÁCCa.
    ĐồngNanTAM GIÁCAbilene
    KSHội chợ Thế giới New YorkThành phố thung lũngHội chợ Thế giới New York
    Thành phố thung lũngNanTAM GIÁCThứ nd
    Hồ miệng núi lửaNanTAM GIÁCTiểu bang
    IthacaNanTAM GIÁCCa.
    NYNanNanCa.
    WillingboroNanNanNJ
    HolyokeNanTAM GIÁCĐồng
    AbileneHội chợ Thế giới New YorkTAM GIÁCNY
    WillingboroNanTAM GIÁCNJ
    NanNanNanTAM GIÁC
    NanNanTAM GIÁCTAM GIÁC
    12/10/1997 1:30NanTAM GIÁCQUẢ CẦU LỬA
    10/9/1998 19:40NanTAM GIÁCHÌNH TRỤ
    1/23/1999 21:30NanTAM GIÁCCa.
    10/9/1998 19:40NanTAM GIÁCHÌNH TRỤ
    1/23/1999 21:30NanTAM GIÁCMd
    7/4/2000 23:00NanTAM GIÁCMd
    7/4/2000 23:00NanTAM GIÁC9/1/2000 21:35
    Tiểu bangTiểu bangTiểu bangTiểu bang
    9/1/2000 21:35NanThành phốThành phố
    Tiểu bangNanTAM GIÁCCa.
    IthacaNYTAM GIÁCCa.
    NYNanTAM GIÁCWillingboro
    NJNanTAM GIÁCWillingboro
    NJHolyokeTAM GIÁCCa.
    HolyokeNanTAM GIÁCThành phố
    Tiểu bangNanThành phốWillingboro
    NJNanHolyokeCa.
    HolyokeĐồngTAM GIÁCCa.
    ĐồngNanTAM GIÁCAbilene
    KSNanTAM GIÁCHội chợ Thế giới New York
    Thành phố thung lũngNanNanHội chợ Thế giới New York
    Thành phố thung lũngNanTAM GIÁCThứ nd
    Hồ miệng núi lửaNanTAM GIÁCCa.
    AlmaNanTAM GIÁCCa.
    AlmaNanTAM GIÁCCa.
    MiNanTAM GIÁCWillingboro
    NJNanTAM GIÁCHolyoke
    ĐồngNanTAM GIÁCCa.
    ĐồngNanTAM GIÁCCa.
    AbileneNanNanKS
    Hội chợ Thế giới New YorkHội chợ Thế giới New YorkThành phố thung lũngNY
    WillingboroNanTAM GIÁCCa.
    NJNanNanHolyoke
    ĐồngNanTAM GIÁCHolyoke
    ĐồngNanTAM GIÁCThứ nd
    Hồ miệng núi lửaNanNanKS
    Hồ miệng núi lửaHội chợ Thế giới New YorkTAM GIÁCKS
    Hội chợ Thế giới New YorkNanTAM GIÁCThành phố thung lũng

    Thứ nd

    In [31]:

    # show first 3 shows
ufo.head[3]
    7

    Out[31]:

    QUẢ CẦU LỬA10/9/1998 19:40HÌNH TRỤ10/9/1998 19:40HÌNH TRỤ012
    HÌNH TRỤNanTAM GIÁC1/23/1999 21:30Md
    MdNanTAM GIÁC7/4/2000 23:009/1/2000 21:35
    9/1/2000 21:35NanTAM GIÁCThành phốTiểu bang

    In [38]:

    # show first 3 shows
ufo.head[3]
    8

    Out[38]:

    QUẢ CẦU LỬA10/9/1998 19:4001234567891011121314151617181920212223242526272829Thành phố182111821218213182141821518216182171821818219182201822118222182231822418225182261822718228182291823018231182321823318234182351823618237182381823918240
    HÌNH TRỤ1/23/1999 21:30
    Md7/4/2000 23:00
    9/1/2000 21:35Thành phố
    Tiểu bangIthaca
    NY1/23/1999 21:30
    Md7/4/2000 23:00
    9/1/2000 21:35Ca.
    Thành phốTiểu bang
    IthacaNY
    WillingboroNJ
    HolyokeCa.
    ĐồngAbilene
    KSHội chợ Thế giới New York
    Thành phố thung lũngThứ nd
    Hồ miệng núi lửaTiểu bang
    IthacaCa.
    NYCa.
    WillingboroNJ
    HolyokeĐồng
    AbileneNY
    WillingboroNJ
    NanTAM GIÁC
    NanTAM GIÁC
    12/10/1997 1:30QUẢ CẦU LỬA
    10/9/1998 19:40HÌNH TRỤ
    1/23/1999 21:30Ca.
    10/9/1998 19:40HÌNH TRỤ
    1/23/1999 21:30Md
    7/4/2000 23:00Md
    7/4/2000 23:009/1/2000 21:35
    Tiểu bangTiểu bang
    9/1/2000 21:35Thành phố
    Tiểu bangCa.
    IthacaCa.
    NYWillingboro
    NJWillingboro
    NJCa.
    HolyokeThành phố
    Tiểu bangWillingboro
    NJCa.
    HolyokeCa.
    ĐồngAbilene
    KSHội chợ Thế giới New York
    Thành phố thung lũngHội chợ Thế giới New York
    Thành phố thung lũngThứ nd
    Hồ miệng núi lửaCa.
    AlmaCa.
    AlmaCa.
    MiWillingboro
    NJHolyoke
    ĐồngCa.
    ĐồngCa.
    AbileneKS
    Hội chợ Thế giới New YorkNY
    WillingboroCa.
    NJHolyoke
    ĐồngHolyoke
    ĐồngThứ nd
    Hồ miệng núi lửaKS
    Hồ miệng núi lửaKS
    Hội chợ Thế giới New YorkThành phố thung lũng

    Thứ nd

    In [40]:

    # show first 3 shows
ufo.head[3]
    9

    Out[40]:

    QUẢ CẦU LỬA10/9/1998 19:40HÌNH TRỤ10/9/1998 19:40HÌNH TRỤ01
    HÌNH TRỤNanTAM GIÁC1/23/1999 21:30Md
    MdNanTAM GIÁC7/4/2000 23:009/1/2000 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, :]
    0

    Out[42]:

    beer_servingsspirit_servingswine_servingstotal_litres_of_pure_alcohollục địaquốc giaAfghanistanAlbaniaAlgeriaAndorraAlgeria
    0 0 0 0.0 Châu Á
    89 132 54 4.9 Châu Âu
    25 0 14 0.7 Châu phi
    245 138 312 12.4 Châu Âu
    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, :]
    1

    In [46]:

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

# format
# ufo.loc[rows, columns]

# row 0, all columns
ufo.loc[0, :]
    2

    Out[46]:

    beer_servingsspirit_servingsquốc giaAlbaniaAlgeriaAndorra
    89 132
    25 0
    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, :]
    3

    Out[48]:

    AngolaThành phố012
    Màu sắc được báo cáoIthaca
    NanIthaca
    NanIthaca

    Bài Viết Liên Quan

    Hướng dẫn php mysql server for android - máy chủ mysql php cho android
    Trường đại học mở tp hcm điểm chuẩn 2023
    Hướng dẫn passing object to constructor c++ - chuyển đối tượng tới hàm tạo C++
    Hướng dẫn alert bootstrap 4 - cảnh báo bootstrap 4
    Hướng dẫn python draw 3d shapes - python vẽ hình 3d
    Hướng dẫn how do i put multiple names in one cell in google sheets? - làm cách nào để đặt nhiều tên trong một ô trong trang tính google?
    Thủ tục báo giảm bhxh 2023
    Hướng dẫn do i need to declare variables in php? - Tôi có cần khai báo biến trong php không?
    Hướng dẫn upsampling python - lấy mẫu trăn
    Hướng dẫn whats new in php7 - có gì mới trong php7
    Hướng dẫn how do i edit an existing wordpress site? - làm cách nào để chỉnh sửa một trang wordpress hiện có?
    Hướng dẫn can i learn bootstrap without html and css? - tôi có thể học bootstrap mà không cần html và css không?
    Hướng dẫn why is my youtube video not embedding in wordpress? - tại sao video youtube của tôi không được nhúng trong wordpress?
    Hướng dẫn how can you share global variables across modules in python - làm cách nào bạn có thể chia sẻ các biến toàn cục giữa các mô-đun trong python
    Hướng dẫn automatically delete columns in excel - tự động xóa cột trong excel
    Hướng dẫn does html support variables? - html có hỗ trợ các biến không?
    Hướng dẫn how do you turn text into a list in python? - làm cách nào để biến văn bản thành danh sách trong python?
    Tử vi giáp tý năm 2023 nữ mạng
    When will Honda crv 2023 be available
    Hướng dẫn what is import warnings in python - cảnh báo nhập trong python là gì

    Toplist mới

    #1
    Top 4 uống nước chanh sả mật ong có tác dụng gì 2023
    7 tháng trước
    #2
    Top 10 bài tập làm văn số 5 lớp 7 de 4 2023
    7 tháng trước
    #3
    Top 3 vừa chơi đã có tài khoản vương giả chap 1 2023
    7 tháng trước
    #4
    Top 6 anh sẽ on thôi cover phạm nguyên ngọc lyrics 2023
    7 tháng trước
    #5
    Top 7 tài liệu quản lý nhà nước và quản lý ngành giáo dục đào tạo 2023
    7 tháng trước
    #6
    Top 7 hãy ra khỏi người đó đi hợp âm 2023
    7 tháng trước
    #7
    Top 6 giáo án thơ về thăm nhà bác 2023
    7 tháng trước
    #8
    Top 8 giáo án ngữ văn 6 cánh diều 2023
    7 tháng trước
    #9
    Top 9 tinh bột tham gia phản ứng nào 2023
    7 tháng trước

    Bài mới nhất

    Bài 18 trinh bày văn bản khi in năm 2024
    Cá nhân tự quyết toán thuế 2 tháng thử việc năm 2024
    Tiêm vitamin k cho trẻ sơ sinh khi nào năm 2024
    Tội vu khống người khác bị phạt như thế nào năm 2024
    Bài tập đồng vị nâng cao có đáp án năm 2024
    Top game nhẹ cho laptop cấu hình yếu năm 2024
    Hệ điều hành 12.3.1 dùng cho điên thoại nào năm 2024
    Quy định về sửa đổi bổ sung văn bản năm 2024
    Top 10 nhân vật mạnh nhất trong fairy tail năm 2024
    250 phạm văn đồng phường 1 q.gò vấp năm 2024

    Chủ Đề

    programming Hỏi Đáp Mẹo Hay Toplist Là gì Địa Điểm Hay mẹo hay Học Tốt Công Nghệ Nghĩa của từ Khỏe Đẹp Bao nhiêu đánh giá Top List bao nhieu bao nhiêu hướng dẫn Bài tập So Sánh Tiếng anh So sánh Xây Đựng Sản phẩm tốt Ngôn ngữ Bài Tập Máy tính javascript Ở đâu Thế nào Hướng dẫn Dịch Tại sao Đại học Món Ngon Facebook Khoa Học