<\/p>\n
U kunt de volgende basissyntaxis gebruiken om een Panda DataFrame te maken gevuld met willekeurige gehele getallen:<\/span><\/p>\n In dit specifieke voorbeeld wordt een DataFrame gemaakt met 10<\/strong> rijen en 3<\/strong> kolommen waarbij elke waarde in het DataFrame een willekeurig geheel getal tussen 0<\/strong> en 100<\/strong> is.<\/span><\/p>\n De volgende voorbeelden laten zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n De volgende code laat zien hoe u een Panda’s DataFrame maakt met 10 rijen en 3 kolommen, waarbij elke waarde in het DataFrame een willekeurig geheel getal tussen 0 en 100 is:<\/span><\/p>\n Houd er rekening mee dat elke keer dat u deze code uitvoert, de willekeurige gehele getallen in het DataFrame anders zullen zijn.<\/span><\/p>\n Als u een reproduceerbaar voorbeeld wilt maken waarbij de willekeurige gehele getallen elke keer hetzelfde zijn, kunt u het volgende stukje code gebruiken onmiddellijk voordat u het DataFrame maakt:<\/span><\/p>\n Elke keer dat u de code uitvoert, zijn de willekeurige gehele getallen in het DataFrame hetzelfde.<\/span><\/p>\n Laten we aannemen dat we de volgende bestaande panda’s DataFrame hebben:<\/span><\/p>\n We kunnen de volgende code gebruiken om een nieuwe kolom toe te voegen met de naam „rand“, die willekeurige gehele getallen tussen 0 en 100 bevat:<\/span><\/p>\n Houd er rekening mee dat de nieuwe kolom „rand“ is toegevoegd aan het bestaande DataFrame.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe ontbrekende waarden in panda’s toe te schrijven<\/a> U kunt de volgende basissyntaxis gebruiken om een Panda DataFrame te maken gevuld met willekeurige gehele getallen: df = pd. DataFrame ( np.random.randint ( 0,100 ,size=( 10,3 )) , columns=list( ‚ ABC ‚)) In dit specifieke voorbeeld wordt een DataFrame gemaakt met 10 rijen en 3 kolommen waarbij elke waarde in het DataFrame een willekeurig […]<\/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":[],"class_list":["post-2829","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df = pd. DataFrame<\/span> ( np.random.randint<\/span> ( 0,100<\/span><\/span> ,size=( 10,3<\/span> )) ,<\/span> columns=list( '<\/span> ABC<\/span> '))\n<\/strong><\/pre>\n Voorbeeld 1: Maak een Pandas DataFrame met willekeurige gegevens<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\ndf = pd. DataFrame<\/span> ( np.random.randint<\/span> ( 0,100<\/span> ,size=( 10,3<\/span> )), columns=list( '<\/span> ABC<\/span> ') )<\/span> \n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n ABC\n0 72 70 27\n1 87 85 7\n2 4 42 84\n3 85 87 63\n4 79 72 30\n5 96 99 79\n6 26 47 90\n7 35 69 56\n8 42 47 0\n9 97 4 59\n<\/span><\/span><\/strong><\/pre>\n n.p. random<\/span> . seed<\/span> ( 0<\/span> )\n<\/strong><\/pre>\n Voorbeeld 2: voeg een willekeurige gegevenskolom toe aan een bestaand dataframe<\/strong><\/span><\/h3>\n
import<\/span> pandas as<\/span> pd\n<\/span><\/span>\n#createDataFrame\ndf = 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 ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12]})<\/span>\n\n#view DataFrame\nprint<\/span> (df)\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\n4 E 14 12 6\n5 F 11 9 5\n6 G 20 9 9\n7:28 4 12\n<\/span><\/span><\/strong><\/pre>\n import<\/span> numpy as<\/span> np\n<\/span><\/span>\n#add 'rand' column that contains 8 random integers between 0 and 100\ndf[' rand<\/span> '] = np. random<\/span> . randint<\/span> ( 0,100<\/span> , size<\/span> = (<\/span> 8,1<\/span> ))\n<\/span>\n#view updated DataFrame\nprint<\/span> (df)\n\n team points assists rebounds rand\n0 A 18 5 11 47\n1 B 22 7 8 64\n2 C 19 7 10 82\n3 D 14 9 6 99\n4 E 14 12 6 88\n5 F 11 9 5 49\n6 G 20 9 9 29\n7:28 4 12 19<\/span><\/span><\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe NaN-waarden te vervangen door nul in Panda’s<\/a>
Hoe u kunt controleren of de cel leeg is in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"