<\/p>\n
Sie k\u00f6nnen die folgende benutzerdefinierte Funktion definieren, um Pandas nach eindeutigen Werten zu durchsuchen und NaN-Werte zu ignorieren:<\/span><\/p>\n Diese Funktion gibt eine Pandas-Reihe zur\u00fcck, die alle eindeutigen Werte au\u00dfer NaN-Werten enth\u00e4lt.<\/span><\/p>\n Die folgenden Beispiele zeigen, wie diese Funktion in verschiedenen Szenarien mit dem folgenden Pandas DataFrame verwendet wird:<\/span><\/p>\n Angenommen, wir verwenden die Funktion pandas unique()<\/strong> , um alle eindeutigen Werte in der Punktespalte<\/strong> des DataFrame anzuzeigen:<\/span><\/p>\n Beachten Sie, dass die Funktion unique()<\/strong> standardm\u00e4\u00dfig nan<\/strong> in die Ergebnisse einbezieht.<\/span><\/p>\n Nehmen wir jedoch an, wir verwenden stattdessen unsere benutzerdefinierte Funktion unique_no_nan()<\/strong> , um die eindeutigen Werte in der Punktespalte<\/strong> anzuzeigen:<\/span><\/p>\n Unsere Funktion gibt jeden eindeutigen Wert in der Punktespalte<\/strong> zur\u00fcck, ohne NaN.<\/span><\/span><\/p>\n Angenommen, wir verwenden die Pandas-Funktionen groupby()<\/strong> und agg()<\/strong> , um alle eindeutigen Werte in der Punktespalte<\/strong> anzuzeigen, gruppiert nach der Teamspalte<\/strong> :<\/span><\/p>\n Beachten Sie, dass die Funktion unique()<\/strong> standardm\u00e4\u00dfig nan<\/strong> in die Ergebnisse einbezieht.<\/span><\/p>\n Nehmen wir jedoch an, wir verwenden stattdessen unsere benutzerdefinierte Funktion unique_no_nan()<\/strong> , um die eindeutigen Werte in der Punktespalte<\/strong> anzuzeigen, gruppiert nach der Teamspalte<\/strong> :<\/span><\/p>\n Unsere Funktion gibt jeden eindeutigen Wert in der Punktespalte<\/strong> f\u00fcr jedes Team<\/strong> zur\u00fcck, ohne NaN-Werte zu z\u00e4hlen.<\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere allgemeine Funktionen in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n Pandas: So w\u00e4hlen Sie einzelne Zeilen in DataFrame aus<\/a> Sie k\u00f6nnen die folgende benutzerdefinierte Funktion definieren, um Pandas nach eindeutigen Werten zu durchsuchen und NaN-Werte zu ignorieren: def unique_no_nan(x): return x. dropna (). single () Diese Funktion gibt eine Pandas-Reihe zur\u00fcck, die alle eindeutigen Werte au\u00dfer NaN-Werten enth\u00e4lt. Die folgenden Beispiele zeigen, wie diese Funktion in verschiedenen Szenarien mit dem folgenden Pandas DataFrame verwendet […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n def<\/span> unique_no_nan(x):\n return<\/span> x. dropna<\/span> (). single<\/span> ()\n<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['Mavs', 'Mavs', 'Mavs', 'Celtics', 'Celtics', 'Celtics'],\n ' points<\/span> ': [95, 95, 100, 113, 100, np.nan]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 Mavs 95.0\n1 Mavs 95.0\n2 Mavs 100.0\n3 Celtics 113.0\n4 Celtics 100.0\n5 Celtics NaN\n<\/strong><\/pre>\n Beispiel 1: Eindeutige Werte in der Pandas-Spalte finden und NaN-Werte ignorieren<\/strong><\/span><\/h2>\n
#display unique values in 'points' column\n<\/span>df[' points<\/span> ']. single<\/span> ()\n\narray([ 95., 100., 113., no])\n<\/strong><\/pre>\n #display unique values in 'points' column and ignore NaN\n<\/span>unique_no_nan(df[' points<\/span> '])\n\narray([ 95., 100., 113.])\n<\/strong><\/pre>\n Beispiel 2: Finden Sie eindeutige Werte in Pandas Groupby und ignorieren Sie NaN-Werte<\/strong><\/span><\/h2>\n
#display unique values in 'points' column grouped by team\n<\/span>df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. agg<\/span> ([' single<\/span> '])\n\n\tunique\nteam\t\nCeltics [113.0, 100.0, nah]\nMavs [95.0, 100.0]\n<\/strong><\/pre>\n #display unique values in 'points' column grouped by team and ignore NaN\n<\/span>df. groupby<\/span> (' team<\/span> ')[' points<\/span> ']. apply<\/span> ( lambda<\/span> x: unique_no_nan(x))\n\nteam\nCeltics [113.0, 100.0]\nMavs [95.0, 100.0]\nName: points, dtype: object<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
Pandas: So erhalten Sie eindeutige Werte aus der Indexspalte<\/a>
Pandas: So z\u00e4hlen Sie einzigartige Kombinationen aus zwei Spalten<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"