तीन पंडों के तरीके जिनके बारे में आपको नहीं पता होगा

लेख के लेखक, जिसका अनुवाद आज हम प्रकाशित कर रहे हैं, का कहना है कि जब उन्हें पंडों के पुस्तकालय के तरीकों के बारे में पता चला, जिसके बारे में वह यहाँ बात करना चाहते हैं, तो उन्हें यह पूरी तरह से अक्षम प्रोग्रामर की तरह लगा। क्यों? तथ्य यह है कि जब उसने पहले कोड लिखा था, तो वह खोज इंजन में देखने के लिए बहुत आलसी था और यह पता लगाया कि क्या कुछ समस्याओं को हल करने के कुछ प्रभावी तरीके थे। नतीजतन, वह बहुत उपयोगी पंडों के तरीकों के अस्तित्व के बारे में भी नहीं जानता था। इन विधियों का उपयोग किए बिना, वह अभी भी आवश्यक तर्क को लागू करने में सक्षम था, लेकिन इसके लिए उसे कई घंटों के काम की आवश्यकता थी, जिससे वह घबरा गया। और हां, रास्ते में, उसने अनावश्यक कोड का एक गुच्छा लिखा। उन्होंने यह लेख उन लोगों के लिए तैयार किया, जो उसकी स्थिति में नहीं आना चाहते।

Idxmin () और idxmax () विधियाँ

मैंने पहले से ही idxmin() और idxmax() विधियों के बारे में लिखा था , लेकिन अगर मैं यहां उनके बारे में बात नहीं करता हूं, तो आपके लिए यह समझना आसान नहीं होगा कि हम आगे क्या चर्चा करेंगे।

ये विधियाँ, यदि आप संक्षेप में उनका वर्णन करते हैं, तो वांछित रिकॉर्ड के लिए सूचकांक (पॉइंटर पोजिशन) वापस कर दें। मान लीजिए मैंने निम्नलिखित Series पंडों की वस्तु बनाई।

  x = pd.Series ([ 1, 3, 2, 8, 124, 4, 2, 1 ]) 

मुझे न्यूनतम और अधिकतम तत्व के सूचकांक को खोजने की जरूरत है। बेशक, केवल वस्तु के विवरण को देखकर यह पता लगाना मुश्किल नहीं है, लेकिन वास्तविक परियोजनाओं में कभी भी (बिल्कुल ऐसा नहीं है - "कभी नहीं") ऐसे छोटे तत्वों से मिलकर डेटा सेट को पूरा नहीं करते हैं।

क्या करें? idxmin() और idxmax() विधियों का उपयोग करें। यहाँ यह कैसा दिखता है:



इन विधियों का उपयोग करते हुए, आपको यह नहीं भूलना चाहिए कि वे न्यूनतम या अधिकतम मूल्य की पहली घटना का सूचकांक वापस करते हैं।

ने () विधि

ne() विधि मेरे लिए एक बहुत बड़ी खोज थी। कुछ समय पहले, मैं डेटा टाइम सीरीज़ के साथ काम कर रहा था और एक समस्या में भाग गया जब पहली n अवलोकन 0 थे।

कल्पना करें कि आपने कुछ खरीदा है, लेकिन एक निश्चित अवधि के लिए इसका उपभोग नहीं किया है। आपने जो खरीदा है वह आपके निपटान में है, लेकिन चूंकि आप इसका उपयोग नहीं कर रहे हैं, इसलिए एक निश्चित तारीख में इस की खपत का स्तर 0. है। चूंकि मुझे प्राप्त खपत पर डेटा में दिलचस्पी थी, जब शुरू हुआ इसका वास्तविक उपयोग " खरीदा ”, यह पता चला कि ne() विधि बिल्कुल वही थी जिसकी मुझे आवश्यकता थी।

निम्नलिखित परिदृश्य पर विचार करें। हमारे पास एक DataFrame ऑब्जेक्ट है, जिसमें कुछ टिप्पणियों के परिणाम शामिल हैं, जो कि सूची के शीर्ष पर, 0 के मूल्यों द्वारा दर्शाए गए हैं।

 df = pd.DataFrame() 

ne() विधि केवल तभी वापस लौटेगी जब वर्तमान मान तब निर्दिष्ट नहीं होगा जब इस विधि को कॉल किया गया था (उदाहरण के लिए, जब इसे कॉल किया जाता है, तो मान 0 निर्दिष्ट किया जा सकता है), अन्यथा यह False लौटेगा:

 df['X'].ne(0) 

अकेले इस विधि को विशेष रूप से उपयोगी नहीं कहा जा सकता है। अब याद रखें कि लेख की शुरुआत में मैंने कैसे कहा था कि लेख को समझने के लिए आपको खुद को idxmax() विधि से परिचित कराने की आवश्यकता है। मैं तब मजाक नहीं कर रहा था। आप idxmax() कॉल को उपरोक्त ne() कॉल में संलग्न कर सकते हैं। परिणाम निम्नलिखित है:

 df['X'].ne(0).idxmax() 

यह हमें बताता है कि पहला गैर-शून्य अवलोकन परिणाम स्थिति 6 में है। फिर, यह ऐसा महत्वपूर्ण खोज नहीं लग सकता है। लेकिन यहां सबसे महत्वपूर्ण बात यह है कि इस जानकारी का उपयोग DataFrame ऑब्जेक्ट के सबसेट का चयन करने के लिए किया जा सकता है और केवल उन्हीं मूल्यों को प्रदर्शित करने के लिए है जो पता की स्थिति से शुरू होते हैं:

 df.loc[df['X'].ne(0).idxmax():] 

यह तकनीक कई स्थितियों में बहुत उपयोगी है जिसमें आपको समय श्रृंखला डेटा के साथ काम करना होगा।

Nsmallest () और nlargest () विधियाँ

मुझे संदेह है कि इन विधियों के नाम देखने के बाद ही आप उनके उद्देश्य का अनुमान लगा सकते हैं। मान लीजिए कि मैंने निम्नलिखित DataFrame बनाया:

 df = pd/DataFrame({ 'Name': ['Bob', 'Mark', 'Steph', 'Jess', 'Becky'], 'Points': [55, 98, 46, 77, 81] }) 

इसे और अधिक दिलचस्प बनाने के लिए, मान लीजिए कि यहाँ एक परीक्षा के परिणाम हैं जो कुछ छात्रों ने पास किया है। हम उन तीन छात्रों को ढूंढना चाहते हैं जिन्होंने परीक्षा में सबसे खराब प्रदर्शन किया था:

 df.nsmallest(3, 'Points') 

या - पता करें कि शीर्ष तीन में कौन है:

 df.nlargest(3, 'Points') 

ये तरीके sort_values() जैसे तरीकों के लिए बहुत अच्छे विकल्प हैं।

परिणाम

यहाँ हमने कुछ उपयोगी पंडों के तरीकों को देखा। जो लोग उनके बारे में जानते हैं, उनके लिए उनका आवेदन पूरी तरह से स्वाभाविक लग सकता है, लेकिन जो लोग उनके बारे में जान चुके हैं, वे एक वास्तविक खोज की तरह लग सकते हैं। हमें उम्मीद है कि वे आपकी अच्छी सेवा करेंगे।

प्रिय पाठकों! जानिए कुछ उपयोगी पंडों के तरीकों के बारे में जो दूसरों को नहीं पता होंगे?