<\/p>\n
Ogni volta che crei un sottoinsieme di un DataFrame panda e quindi modifichi il sottoinsieme, verr\u00e0 modificato anche il DataFrame originale.<\/span><\/p>\n Per questo motivo, \u00e8 sempre una buona idea utilizzare .copy()<\/strong> durante il sottoinsieme in modo che le modifiche apportate al sottoinsieme non vengano apportate anche al DataFrame originale.<\/span><\/p>\n Gli esempi seguenti mostrano come (e perch\u00e9) creare una copia di un DataFrame panda durante il subsetting.<\/span><\/p>\n Supponiamo di avere i seguenti panda DataFrame:<\/span><\/p>\n Supponiamo ora di creare un sottoinsieme contenente solo le prime quattro righe del DataFrame originale:<\/span><\/span><\/p>\n Se modifichiamo uno qualsiasi dei valori nel sottoinsieme, verr\u00e0 modificato anche il valore del DataFrame originale:<\/span><\/p>\n Tieni presente che il primo valore della colonna del team \u00e8 stato modificato da “A” a “X” sia nel sottoinsieme DataFrame che<\/strong> nel DataFrame originale.<\/span><\/span><\/p>\n Questo perch\u00e9 non abbiamo creato una copia del DataFrame originale.<\/span><\/p>\n Supponiamo ancora una volta di avere i seguenti DataFrame panda:<\/span><\/p>\n Supponiamo ancora di creare un sottoinsieme che contenga solo le prime quattro righe del DataFrame originale, ma questa volta utilizziamo .copy()<\/strong> per creare una copia del DataFrame originale:<\/span><\/p>\n Supponiamo ora di modificare il primo valore della colonna team del sottoinsieme DataFrame:<\/span><\/p>\n Tieni presente che il primo valore della colonna del team \u00e8 stato modificato da “A” a “X” solo nel sottoinsieme DataFrame.<\/span><\/p>\n Il DataFrame originale rimane intatto poich\u00e9 abbiamo utilizzato .copy()<\/strong> per farne una copia durante la creazione del sottoinsieme.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:<\/span><\/p>\n Come eliminare le righe in Pandas DataFrame in base alle condizioni<\/a> Ogni volta che crei un sottoinsieme di un DataFrame panda e quindi modifichi il sottoinsieme, verr\u00e0 modificato anche il DataFrame originale. Per questo motivo, \u00e8 sempre una buona idea utilizzare .copy() durante il sottoinsieme in modo che le modifiche apportate al sottoinsieme non vengano apportate anche al DataFrame originale. Gli esempi seguenti mostrano come (e […]<\/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 Esempio 1: sottoimpostazione di un DataFrame senza una copia<\/span><\/strong><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n4 E 14 12\n5 F 11 9\n6 G 20 9\n7:28 a.m. 4<\/strong><\/pre>\n #define subsetted DataFrame\n<\/span>df_subset = df[0:4]\n\n#view subsetted DataFrame\n<\/span>print<\/span> (df_subset)\n\n team points assists rebounds\n0 A 18 5 11\n1 B 22 7 8\n2 C 19 7 10\n3 D 14 9 6<\/strong><\/pre>\n #change first value in team column\n<\/span>df_subset. team<\/span> [0] = ' X<\/span> '\n\n#view subsetted DataFrame\n<\/span>print<\/span> (df_subset)\n\n team points assists\n0X18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n\n#view original DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0X18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n4 E 14 12\n5 F 11 9\n6 G 20 9\n7:28 a.m. 4\n<\/strong><\/span><\/pre>\n Esempio 2: sottoimpostazione di un DataFrame con Copy<\/span><\/strong><\/h2>\n
import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],\n ' points<\/span> ': [18, 22, 19, 14, 14, 11, 20, 28],\n ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n4 E 14 12\n5 F 11 9\n6 G 20 9\n7:28 a.m. 4<\/strong><\/pre>\n #define subsetted DataFrame\n<\/span>df_subset = df[0:4]. copy<\/span> ()<\/strong><\/pre>\n #change first value in team column\n<\/span>df_subset. team<\/span> [0] = ' X<\/span> '\n\n#view subsetted DataFrame\n<\/span>print<\/span> (df_subset)\n\n team points assists\n0X18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n\n#view original DataFrame\n<\/span>print<\/span> (df)\n\n team points assists\n0 to 18 5\n1 B 22 7\n2 C 19 7\n3 D 14 9\n4 E 14 12\n5 F 11 9\n6 G 20 9\n7:28 a.m. 4\n<\/strong><\/span><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come filtrare un Pandas DataFrame su pi\u00f9 condizioni<\/a>
Come utilizzare il filtro “NOT IN” in Pandas DataFrame<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"