<\/p>\n
Anda dapat menggunakan sintaks dasar berikut untuk mengatur ulang indeks pandas DataFrame setelah menggunakan fungsi dropna()<\/strong> untuk menghapus baris dengan nilai yang hilang:<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya.<\/span><\/p>\n Misalkan kita memiliki pandas DataFrame berikut yang berisi informasi tentang berbagai pemain bola basket:<\/span><\/p>\n Sekarang misalkan kita menggunakan fungsi dropna()<\/strong> untuk menghapus semua baris dari DataFrame yang memiliki nilai yang hilang di kolom:<\/span><\/span><\/p>\n Perhatikan bahwa indeks masih berisi nilai indeks asli untuk setiap baris.<\/span><\/p>\n Untuk mereset indeks setelah menggunakan fungsi dropna()<\/strong> , kita dapat menggunakan sintaks berikut:<\/span><\/p>\n Perhatikan bahwa setiap baris dengan nilai yang hilang telah dihapus dan nilai indeks telah diatur ulang.<\/span><\/span><\/p>\n Nilai indeks sekarang berkisar dari 0 hingga 4.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di panda:<\/span><\/p>\n Cara mencetak Pandas DataFrame tanpa indeks<\/a> Anda dapat menggunakan sintaks dasar berikut untuk mengatur ulang indeks pandas DataFrame setelah menggunakan fungsi dropna() untuk menghapus baris dengan nilai yang hilang: df = df. dropna (). reset_index (drop= True ) Contoh berikut menunjukkan cara menggunakan sintaksis ini dalam praktiknya. Contoh: Reset indeks di Pandas setelah menggunakan dropna() Misalkan kita memiliki pandas DataFrame berikut […]<\/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 df = df. dropna<\/span> (). reset_index<\/span> (drop= True<\/span> )\n<\/strong><\/pre>\n Contoh: Reset indeks di Pandas setelah menggunakan dropna()<\/strong><\/span><\/h2>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#create dataFrame<\/span>\ndf = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n ' points<\/span> ': [18, np.nan, 19, 14, 14, 11, 20, 28],\n ' assists<\/span> ': [5, 7, 7, 9, 12, np.nan, 9, 4],\n ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, np.nan, 12]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists rebounds\n0 A 18.0 5.0 11.0\n1 B NaN 7.0 8.0\n2 C 19.0 7.0 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 12.0 6.0\n5 F 11.0 NaN 5.0\n6G 20.0 9.0 NaN\n7 H 28.0 4.0 12.0\n<\/strong><\/pre>\n #drop rows with nan values in any column\n<\/span>df = df. dropna<\/span> ()\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team points assists rebounds\n0 A 18.0 5.0 11.0\n2 C 19.0 7.0 10.0\n3D 14.0 9.0 6.0\n4 E 14.0 12.0 6.0\n7 H 28.0 4.0 12.0<\/strong><\/pre>\n #drop rows with nan values in any column\n<\/span>df = df. dropna<\/span> (). reset_index<\/span> (drop= True<\/span> )\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team points assists rebounds\n0 A 18.0 5.0 11.0\n1 C 19.0 7.0 10.0\n2 D 14.0 9.0 6.0\n3 E 14.0 12.0 6.0\n4 H 28.0 4.0 12.0\n<\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara memfilter berdasarkan nilai indeks di Pandas<\/a>
Cara menggunakan kolom pertama sebagai indeks di Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"