<\/p>\n
Za ka\u017cdym razem, gdy utworzysz podzbi\u00f3r ramki DataFrame pandy, a nast\u0119pnie zmodyfikujesz podzbi\u00f3r, oryginalna ramka DataFrame r\u00f3wnie\u017c zostanie zmodyfikowana.<\/span><\/p>\n Z tego powodu zawsze dobrze jest u\u017cywa\u0107 funkcji .copy()<\/strong> podczas tworzenia podzbior\u00f3w, aby zmiany wprowadzone w podzbiorze nie zosta\u0142y wprowadzone tak\u017ce w oryginalnej ramce DataFrame.<\/span><\/p>\n Poni\u017csze przyk\u0142ady pokazuj\u0105, jak (i dlaczego) utworzy\u0107 kopi\u0119 ramki DataFrame pandy podczas podzbioru.<\/span><\/p>\n Za\u0142\u00f3\u017cmy, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 DataFrame pand:<\/span><\/p>\n Za\u0142\u00f3\u017cmy teraz, \u017ce tworzymy podzbi\u00f3r zawieraj\u0105cy tylko pierwsze cztery wiersze oryginalnej ramki DataFrame:<\/span><\/span><\/p>\n Je\u015bli zmienimy kt\u00f3r\u0105kolwiek z warto\u015bci w podzbiorze, zmieni si\u0119 tak\u017ce warto\u015b\u0107 oryginalnej DataFrame:<\/span><\/p>\n Nale\u017cy zauwa\u017cy\u0107, \u017ce pierwsza warto\u015b\u0107 kolumny zespo\u0142u zosta\u0142a zmieniona z \u201eA\u201d na \u201eX\u201d zar\u00f3wno w podzbiorze DataFrame , jak i<\/strong> oryginalnej ramce DataFrame.<\/span><\/span><\/p>\n Dzieje si\u0119 tak, poniewa\u017c nie utworzyli\u015bmy kopii oryginalnej ramki DataFrame.<\/span><\/p>\n Za\u0142\u00f3\u017cmy jeszcze raz, \u017ce mamy nast\u0119puj\u0105c\u0105 ramk\u0119 DataFrame pandy:<\/span><\/p>\n Za\u0142\u00f3\u017cmy ponownie, \u017ce tworzymy podzbi\u00f3r zawieraj\u0105cy tylko pierwsze cztery wiersze oryginalnej ramki DataFrame, ale tym razem u\u017cywamy .copy()<\/strong> w celu utworzenia kopii oryginalnej ramki DataFrame:<\/span><\/p>\n Za\u0142\u00f3\u017cmy teraz, \u017ce zmieniamy pierwsz\u0105 warto\u015b\u0107 kolumny zespo\u0142u podzbioru DataFrame:<\/span><\/p>\n Nale\u017cy zauwa\u017cy\u0107, \u017ce pierwsza warto\u015b\u0107 kolumny zespo\u0142u zosta\u0142a zmieniona z \u201eA\u201d na \u201eX\u201d tylko w podzbiorze DataFrame.<\/span><\/p>\n Oryginalna ramka DataFrame pozostaje nienaruszona, poniewa\u017c podczas tworzenia podzbioru u\u017cyli\u015bmy metody .copy()<\/strong> do utworzenia jej kopii.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe operacje na pandach:<\/span><\/p>\n Jak usun\u0105\u0107 wiersze w Pandas DataFrame na podstawie warunku<\/a> Za ka\u017cdym razem, gdy utworzysz podzbi\u00f3r ramki DataFrame pandy, a nast\u0119pnie zmodyfikujesz podzbi\u00f3r, oryginalna ramka DataFrame r\u00f3wnie\u017c zostanie zmodyfikowana. Z tego powodu zawsze dobrze jest u\u017cywa\u0107 funkcji .copy() podczas tworzenia podzbior\u00f3w, aby zmiany wprowadzone w podzbiorze nie zosta\u0142y wprowadzone tak\u017ce w oryginalnej ramce DataFrame. Poni\u017csze przyk\u0142ady pokazuj\u0105, jak (i dlaczego) utworzy\u0107 kopi\u0119 ramki DataFrame pandy […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-3269","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Przyk\u0142ad 1: Podzbi\u00f3r ramki danych bez kopii<\/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 Przyk\u0142ad 2: Podzbi\u00f3r ramki danych za pomoc\u0105 kopii<\/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 Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak filtrowa\u0107 ramk\u0119 danych Pandas pod wieloma warunkami<\/a>
Jak korzysta\u0107 z filtra \u201eNIE W\u201d w Pandas DataFrame<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"