<\/p>\n
Anda dapat menentukan fungsi khusus berikut untuk mencari nilai unik pada panda dan mengabaikan nilai NaN:<\/span><\/p>\n Fungsi ini akan mengembalikan rangkaian pandas yang berisi setiap nilai unik kecuali nilai NaN.<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan fungsi ini dalam skenario berbeda dengan pandas DataFrame berikut:<\/span><\/p>\n Misalkan kita menggunakan fungsi pandas Unique()<\/strong> untuk menampilkan semua nilai unik di kolom poin<\/strong> DataFrame:<\/span><\/p>\n Perhatikan bahwa fungsi unik()<\/strong> menyertakan nan<\/strong> dalam hasil secara default.<\/span><\/p>\n Namun, misalkan kita menggunakan fungsi unik_no_nan()<\/strong> khusus untuk menampilkan nilai unik di kolom poin<\/strong> :<\/span><\/p>\n Fungsi kami mengembalikan setiap nilai unik di kolom poin<\/strong> , tidak termasuk NaN.<\/span><\/span><\/p>\n Misalkan kita menggunakan fungsi pandas groupby()<\/strong> dan agg()<\/strong> untuk menampilkan semua nilai unik di kolom poin<\/strong> , dikelompokkan berdasarkan kolom tim<\/strong> :<\/span><\/p>\n Perhatikan bahwa fungsi unik()<\/strong> menyertakan nan<\/strong> dalam hasil secara default.<\/span><\/p>\n Namun, misalkan kita menggunakan fungsi unik_no_nan()<\/strong> khusus untuk menampilkan nilai unik di kolom poin<\/strong> , yang dikelompokkan berdasarkan kolom tim<\/strong> :<\/span><\/p>\n Fungsi kami mengembalikan setiap nilai unik di kolom poin<\/strong> untuk setiap tim<\/strong> , tidak termasuk nilai NaN.<\/span><\/p>\n Tutorial berikut menjelaskan cara menjalankan fungsi umum lainnya di panda:<\/span><\/p>\n Pandas: Cara memilih satu baris di DataFrame<\/a> Anda dapat menentukan fungsi khusus berikut untuk mencari nilai unik pada panda dan mengabaikan nilai NaN: def unique_no_nan(x): return x. dropna (). single () Fungsi ini akan mengembalikan rangkaian pandas yang berisi setiap nilai unik kecuali nilai NaN. Contoh berikut menunjukkan cara menggunakan fungsi ini dalam skenario berbeda dengan pandas DataFrame berikut: import pandas as […]<\/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 Contoh 1: Temukan Nilai Unik di Kolom Pandas dan Abaikan Nilai NaN<\/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 Contoh 2: Temukan nilai unik di Pandas Groupby dan abaikan nilai NaN<\/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 Sumber daya tambahan<\/strong><\/span><\/h2>\n
Pandas: Cara mendapatkan nilai unik dari kolom indeks<\/a>
Pandas: cara menghitung kombinasi unik dua kolom<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"