متن فیلم

وقتی یک dataframe داریم، می‌تونیم با داده‌ها کار کنیم و نتایج رو در فرمت‌های دیگه ذخیره کنیم. پشته‌ای از 13 بلوک با رنگ‌های مختلف را در نظر بگیرید. ما می‌توانیم ببینیم که سه رنگ منحصر به فرد وجود دارد. فرض کنید شما می‌خواهید بدانید که چه تعداد عنصر منحصر به فرد در یک ستون از یک دیتافریم وجود دارد. اگر به جای 13 عنصر، میلیون‌ها عنصر داشته باشید این ممکن است بسیار دشوارتر باشد. Pandas دارای متد unique برای تعیین عناصر منحصر به فرد در یک ستون از یک دیتافریم است. فرض کنید ما می‌خواهیم سال منحصر به فرد آلبوم‌ها را در مجموعه داده‌ها تعیین کنیم. ما نام دیتافریم را وارد می‌کنیم، سپس نام ستونReleased را در براکت‌ها وارد می‌کنیم و unique را اعمال می‌کنیم. نتیجه تمام عناصر منحصر به فرد در ستونReleased است. فرض کنید ما می‌خواهیم یک پایگاه داده جدیدی را که شامل آهنگ‌های دهه 1980 و بعد از آن است بسازیم. ما می‌توانیم به ستونReleased برای آهنگ‌های ساخته شده پس از 1979 نگاه کنیم، سپس ردیف‌های مربوطه را انتخاب کنیم. ما می‌توانیم این کار را در یک خط کد در Pandas انجام دهیم. اما بیایید گام به گام جلو برویم. ما می‌توانیم از عملگرهای نابرابری برای کل دیتافریم در Pandas استفاده کنیم. نتیجه یک سری از مقادیر بولی است. برای مورد ما، ما به سادگی ستونReleased و نابرابری آلبوم‌ها پس از سال 1979 را مشخص می‌کنیم. نتیجه یک سری از مقادیر بولی است. نتیجه زمانی درست است که شرط درست باشد، در غیر این صورت نادرست است. ما می‌توانیم ستون‌های مشخص شده را در یک خط انتخاب کنیم. ما به سادگی از نام‌ دیتافریم و براکت مربعی استفاده می‌کنیم، نابرابری قبلاً ذکر شده را قرار می‌دهیم و آن را به متغیر df1 اختصاص می‌دهیم. اکنون یک دیتافریم جدید داریم که در آن هر آلبوم پس از سال 1979 منتشر شده است. ما می‌توانیم دیتافریم جدید را با استفاده از متد to_csv ذخیره کنیم. آرگومان، نام فایل csv است. مطمئن شوید که انشعاب .csv را درج کرده‌اید. توابع دیگری برای ذخیره دیتافریم در فرمت‌های دیگر وجود دارد.