আমি মনে করি এটি সহজ হওয়া উচিত, তবে আমি কয়েকটি ধারণার চেষ্টা করেছি এবং তাদের কোনওটিই কাজ করে নি:
last_row = len(DF)
DF = DF.drop(DF.index[last_row]) #<-- fail!
আমি নেতিবাচক সূচকগুলি ব্যবহার করার চেষ্টা করেছি তবে এটি ত্রুটিও ঘটায়। আমি এখনও বেসিক কিছু ভুল বুঝতে হবে।
উত্তর:
সর্বশেষ এন সারি বাদ দিতে:
df.drop(df.tail(n).index,inplace=True) # drop last n rows
একই শিরা দ্বারা, আপনি প্রথম এন সারি বাদ দিতে পারেন:
df.drop(df.head(n).index,inplace=True) # drop first n rows
যেহেতু পাইথন সূচক পজিশনিং 0 ভিত্তিক, সেখানে আসলে মধ্যে একটি উপাদান হবে না indexঅবস্থানে সংশ্লিষ্ট len(DF)। আপনার এটি হওয়া দরকার last_row = len(DF) - 1:
In [49]: dfrm
Out[49]:
A B C
0 0.120064 0.785538 0.465853
1 0.431655 0.436866 0.640136
2 0.445904 0.311565 0.934073
3 0.981609 0.695210 0.911697
4 0.008632 0.629269 0.226454
5 0.577577 0.467475 0.510031
6 0.580909 0.232846 0.271254
7 0.696596 0.362825 0.556433
8 0.738912 0.932779 0.029723
9 0.834706 0.002989 0.333436
[10 rows x 3 columns]
In [50]: dfrm.drop(dfrm.index[len(dfrm)-1])
Out[50]:
A B C
0 0.120064 0.785538 0.465853
1 0.431655 0.436866 0.640136
2 0.445904 0.311565 0.934073
3 0.981609 0.695210 0.911697
4 0.008632 0.629269 0.226454
5 0.577577 0.467475 0.510031
6 0.580909 0.232846 0.271254
7 0.696596 0.362825 0.556433
8 0.738912 0.932779 0.029723
[9 rows x 3 columns]
যাইহোক, এটা অনেক মাত্র লিখতে সহজ ব্যাপার DF[:-1]।
অবাক করা কেউই এটিকে উপরে আনেনি:
# To remove last n rows
df.head(-n)
# To remove first n rows
df.tail(-n)
1000 সারিগুলির ডেটাফ্রেমে একটি গতি পরীক্ষা চালিয়ে যাওয়া দেখায় যে স্লাইসিং এবং head/ tailব্যবহারের চেয়ে 6 গুণ বেশি দ্রুত drop:
>>> %timeit df[:-1]
125 µs ± 132 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> %timeit df.head(-1)
129 µs ± 1.18 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
>>> %timeit df.drop(df.tail(1).index)
751 µs ± 20.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
head()এবং tail()এমন একটি দৃষ্টিভঙ্গি তৈরি করুন যেখানে drop()মেমরিতে প্রকৃতপক্ষে উপস্থাপনা পরিবর্তন হয় (হয় অন্তর্নিহিত পরিবর্তন, বা সম্পূর্ণ নতুন ডেটাফ্রেম তৈরি করে)। আমি ডক্সে এটি সন্ধান করিনি, দয়া করে কেউ করুন। (যদি পার্থক্য হয়: পারফ ডিফের জন্য ভাল ব্যাখ্যা, এবং তাদের মধ্যে একটি সাবধানে বেছে নেওয়া দরকার) /
head, tailএবং dropসকলেই একটি মতামত ফিরিয়ে দিয়েছেন, যদিও এটি সত্য যে dropআপনাকে আসল ডেটাফ্রেমের স্থানটি পরিবর্তন করার বিকল্প দেয়।
stats = pd.read_csv("C:\\py\\programs\\second pandas\\ex.csv")
পরিসংখ্যানের আউটপুট:
A B C
0 0.120064 0.785538 0.465853
1 0.431655 0.436866 0.640136
2 0.445904 0.311565 0.934073
3 0.981609 0.695210 0.911697
4 0.008632 0.629269 0.226454
5 0.577577 0.467475 0.510031
6 0.580909 0.232846 0.271254
7 0.696596 0.362825 0.556433
8 0.738912 0.932779 0.029723
9 0.834706 0.002989 0.333436
শুধু ব্যবহার skipfooter=1
skipfooter: int, default 0
এড়াতে ফাইলের নীচে লাইনগুলির সংখ্যা
stats_2 = pd.read_csv("C:\\py\\programs\\second pandas\\ex.csv", skipfooter=1, engine='python')
পরিসংখ্যানের আউটপুট 3
A B C
0 0.120064 0.785538 0.465853
1 0.431655 0.436866 0.640136
2 0.445904 0.311565 0.934073
3 0.981609 0.695210 0.911697
4 0.008632 0.629269 0.226454
5 0.577577 0.467475 0.510031
6 0.580909 0.232846 0.271254
7 0.696596 0.362825 0.556433
8 0.738912 0.932779 0.029723
ড্রপ একটি নতুন অ্যারে প্রদান করে যাতে এটি ওগ পোস্টে চেপে যায়; আমার কিছু কলামের শিরোনামের নাম পরিবর্তন করার অনুরূপ প্রয়োজন ছিল এবং ডেটাফ্রেমে রূপান্তরিত অসুস্থ সিএসভি ফাইলের কারণে কিছু সারি মুছে ফেলা হয়েছিল, সুতরাং এই পোস্টটি পড়ে আমি ব্যবহার করেছি:
newList = pd.DataFrame(newList)
newList.columns = ['Area', 'Price']
print(newList)
# newList = newList.drop(0)
# newList = newList.drop(len(newList))
newList = newList[1:-1]
print(newList)
এবং এটি দুর্দান্ত কাজ করেছে, যেমন আপনি উপরের দুটি মন্তব্য করা লাইনের সাথে দেখতে পাচ্ছেন আমি ড্রপটি চেষ্টা করেছি। () পদ্ধতিটি এবং এটি কাজ করে তবে কুল এবং পাঠ্য হিসাবে ব্যবহারযোগ্য নয় [n: -n], আশা করি যে কাউকে সহায়তা করে, ধন্যবাদ।
একাধিক জটিল ডেটা ফ্রেমের জন্য যাদের একটি মাল্টি-ইনডেক্স ("স্টক" এবং "তারিখ" বলুন) রয়েছে এবং প্রতিটি স্টকের জন্য কেবল সর্বশেষ স্টকের শেষ সারিটি নয়, তবে সমাধানটি পড়তে চায়:
# To remove last n rows
df = df.groupby(level='Stock').apply(lambda x: x.head(-1)).reset_index(0, drop=True)
# To remove first n rows
df = df.groupby(level='Stock').apply(lambda x: x.tail(-1)).reset_index(0, drop=True)
যেহেতু groupby()মাল্টি-ইনডেক্সে একটি অতিরিক্ত স্তর যুক্ত করা হচ্ছে আমরা এটি ব্যবহার করে একে একে শেষে ফেলে দিই reset_index()। ফলস্বরূপ df অপারেশনের আগের মতো একই ধরণের মাল্টি-ইনডেক্স রাখে।
DF = DF[:-1]?