Python是進行數據分析的一種出色語言,主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種,使導入和分析數據更加容易。
Pandas Index.difference()
函數返回一個新索引,索引中的其他元素不在其中。
如果可以排序,該函數將自動對輸出進行排序。
用法: Index.difference(other)
參數:
other:索引或array-like
返回:區別:指數
範例1:采用Index.difference()
函數使用array-like對象查找給定索引的集合差。
# importing pandas as pd
import pandas as pd
# Creating the Index
idx = pd.Index([17, 69, 33, 15, 19, 74, 10, 5])
# Print the Index
idx
輸出:
讓我們通過array-like對象找到給定索引的設置差異
# find the set difference of this Index
# with the passed array object.
idx.difference([69, 33, 15, 74, 19])
輸出:
正如我們在輸出中看到的那樣,該函數返回了一個僅包含idx索引唯一值的對象。
請注意,輸出對象的元素按升序排序。
範例2:采用Index.difference()
函數查找兩個索引的集合差異。
# importing pandas as pd
import pandas as pd
# Creating the first Index
idx1 = pd.Index(['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun',
'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec'])
# Creating the second Index
idx2 = pd.Index(['May', 'Jun', 'Jul', 'Aug'])
# Print the first and second Index
print(idx1, "\n", idx2)
輸出:
現在,讓我們找到兩個索引之間的設置差異。
# to find the set differnece
idx1.difference(idx2)
輸出:
該函數已返回idx1和idx2的設置差。它僅包含idx1索引唯一的那些值。請注意,輸出未排序。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
注:本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas Index.difference()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。