<\/p>\n
U kunt de volgende basissyntaxis gebruiken om alleen numerieke kolommen in een pandas DataFrame te selecteren:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze functie in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we het volgende panda’s DataFrame hebben dat informatie bevat over verschillende basketbalspelers:<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om alleen numerieke kolommen uit het DataFrame te selecteren:<\/span><\/p>\n Merk op dat alleen de drie numerieke kolommen zijn geselecteerd: punten<\/strong> , assists<\/strong> en rebounds<\/strong> .<\/span><\/p>\n We kunnen verifi\u00ebren dat deze kolommen numeriek zijn door de functie dtypes()<\/strong> te gebruiken om het gegevenstype van elke variabele in het DataFrame weer te geven:<\/span><\/p>\n Uit het resultaat kunnen we zien dat het team<\/strong> een object is (dwz een string), terwijl punten<\/strong> , assists<\/strong> en rebounds<\/strong> allemaal numeriek zijn.<\/span><\/p>\n Houd er rekening mee dat we ook de volgende code kunnen gebruiken om een lijst met de numerieke kolommen van het DataFrame te krijgen:<\/span><\/p>\n Hierdoor kunnen we snel de namen van numerieke variabelen in het DataFrame zien zonder hun werkelijke waarden te zien.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe u kolommen op naam selecteert in Pandas<\/a> U kunt de volgende basissyntaxis gebruiken om alleen numerieke kolommen in een pandas DataFrame te selecteren: import pandas as pd import numpy as np df. select_dtypes (include= np.number ) Het volgende voorbeeld laat zien hoe u deze functie in de praktijk kunt gebruiken. Voorbeeld: selecteer alleen numerieke kolommen in Panda’s Stel dat we het volgende […]<\/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-3438","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n import<\/span> pandas as pd<\/span>\nimport<\/span> numpy as np<\/span>\n\ndf. select_dtypes<\/span> (include= np.number<\/span> )\n<\/strong><\/pre>\n Voorbeeld: selecteer alleen numerieke kolommen in Panda’s<\/strong><\/span><\/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 ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12]})\n\n#view DataFrame\n<\/span>print<\/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<\/strong><\/pre>\n import<\/span> numpy as<\/span> np\n\n#select only the numeric columns in the DataFrame\n<\/span>df. select_dtypes<\/span> (include= np.number<\/span> )\n\n points assists rebounds\n0 18 5 11\n1 22 7 8\n2 19 7 10\n3 14 9 6\n4 14 12 6\n5 11 9 5\n6 20 9 9\n7 28 4 12<\/span><\/span><\/strong><\/pre>\n #display data type of each variable in DataFrame\ndf. dtypes\n<\/span>\nteam object\nint64 dots\nassists int64\nrebounds int64\ndtype:object\n<\/span><\/span><\/strong><\/pre>\n #display list of numeric variables in DataFrame\ndf. select_dtypes<\/span> (include=np. number<\/span> ). columns<\/span> . tolist<\/span> ()\n\n['points', 'assists', 'rebounds']<\/span>\n<\/span><\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe u kolommen op index selecteert in Pandas<\/a>
Hoe u kolommen selecteert die een specifieke string bevatten in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"