<\/p>\n
Elke keer dat u een subset van een panda’s DataFrame maakt en vervolgens de subset wijzigt, wordt het oorspronkelijke DataFrame ook gewijzigd.<\/span><\/p>\n Om deze reden is het altijd een goed idee om .copy()<\/strong> te gebruiken bij het subsetten, zodat wijzigingen die u in de subset aanbrengt, niet ook in het oorspronkelijke DataFrame worden aangebracht.<\/span><\/p>\n De volgende voorbeelden laten zien hoe (en waarom) u een kopie kunt maken van een Pandas DataFrame bij subsetting.<\/span><\/p>\n Stel dat we de volgende panda’s DataFrame hebben:<\/span><\/p>\n Stel nu dat we een subset maken die alleen de eerste vier rijen van het originele DataFrame bevat:<\/span><\/span><\/p>\n Als we een van de waarden in de subset wijzigen, wordt de waarde van het originele DataFrame ook gewijzigd:<\/span><\/p>\n Houd er rekening mee dat de eerste waarde van de teamkolom is gewijzigd van ‚A‘ in ‚X‘ in zowel de subset DataFrame als<\/strong> het oorspronkelijke DataFrame.<\/span><\/span><\/p>\n Dit komt omdat we geen kopie hebben gemaakt van het originele DataFrame.<\/span><\/p>\n Laten we opnieuw aannemen dat we de volgende panda’s DataFrame hebben:<\/span><\/p>\n Laten we opnieuw aannemen dat we een subset maken die alleen de eerste vier rijen van het originele DataFrame bevat, maar deze keer gebruiken we .copy()<\/strong> om een kopie van het originele DataFrame te maken:<\/span><\/p>\n Stel nu dat we de eerste waarde van de teamkolom van de DataFrame-subset wijzigen:<\/span><\/p>\n Houd er rekening mee dat de eerste waarde van de teamkolom alleen in de DataFrame-subset is gewijzigd van ‚A‘ in ‚X‘.<\/span><\/p>\n Het originele DataFrame blijft intact omdat we .copy()<\/strong> hebben gebruikt om er een kopie van te maken bij het maken van de subset.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe rijen in Pandas DataFrame te verwijderen op basis van de voorwaarde<\/a> Elke keer dat u een subset van een panda’s DataFrame maakt en vervolgens de subset wijzigt, wordt het oorspronkelijke DataFrame ook gewijzigd. Om deze reden is het altijd een goed idee om .copy() te gebruiken bij het subsetten, zodat wijzigingen die u in de subset aanbrengt, niet ook in het oorspronkelijke DataFrame worden aangebracht. De […]<\/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-3271","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Voorbeeld 1: Een DataFrame subsetten zonder kopie<\/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 Voorbeeld 2: Een DataFrame subsetten met Kopi\u00ebren<\/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 Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe u een Pandas DataFrame op meerdere voorwaarden kunt filteren<\/a>
Hoe u het \u201cNIET IN\u201d-filter in Pandas DataFrame gebruikt<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"