Der einfachste Weg, Arrays in Python zu verketten, ist die Verwendung der Funktion numpy.concatenate, die die folgende Syntax verwendet:
numpy.concatenate((a1, a2, ….), axis = 0)
wo:
- a1, a2 …: Die …
Die Programmiersprache R bietet zwei hilfreiche Funktionen zum Anzeigen und Entfernen von Objekten in einem R-Workspace:
In diesem Tutorial wird erläutert, wie Sie mit der Funktion rm() Dataframe in R löschen und mit der Funktion ls() bestätigen, dass ein Dataframe gelöscht wurde.
Der folgende Code zeigt, wie Sie ein einzelnes Dataframe aus Ihrem aktuellen R-Arbeitsbereich löschen:
#Alle Objekte im aktuellen R-Arbeitsbereich auflisten
ls()
[1] "df1" "df2" "df3" "x"
#df1 entfernen
rm(df1)
#Listen Sie alle Objekte im Arbeitsbereich auf
ls()
[1] "df2" "df3" "x"
Der folgende Code zeigt, wie Sie mehrere Dataframe aus Ihrem aktuellen R-Arbeitsbereich löschen:
#Alle Objekte im aktuellen R-Arbeitsbereich auflisten
ls()
[1] "df1" "df2" "df3" "x"
#entfernen Sie df1 und df2
rm("df1", "df2")
#Listen Sie alle Objekte im Arbeitsbereich auf
ls()
[1] "df3" "x"
Der folgende Code zeigt, wie Sie alle Objekte vom Typ "data.frame" in Ihrem aktuellen R-Arbeitsbereich löschen:
#Alle Objekte im aktuellen R-Arbeitsbereich auflisten
ls()
[1] "df1" "df2" "df3" "x"
#Entfernen Sie alle Objekte vom Typ "data.frame".
rm(list=ls(all=TRUE)[sapply(mget(ls(all=TRUE)), class) == "data.frame"])
#Listen Sie alle Objekte im Arbeitsbereich auf
ls()
[1] "x"
Sie können auch die Funktion grepl() verwenden, um alle Objekte im Arbeitsbereich zu löschen, die den Ausdruck "df" enthalten:
#Alle Objekte im aktuellen R-Arbeitsbereich auflisten
ls()
[1] "df1" "df2" "df3" "x"
#Entferne alle Objekte, die "df" enthalten
rm(list = ls()[grepl("df", ls())])
#Listen Sie alle Objekte im Arbeitsbereich auf
ls()
[1] "x"
So erstellen Sie ein leeres Dataframe in R
So hängen Sie Zeilen an ein Dataframe in R
Der einfachste Weg, Arrays in Python zu verketten, ist die Verwendung der Funktion numpy.concatenate, die die folgende Syntax verwendet:
numpy.concatenate((a1, a2, ….), axis = 0)
wo:
Häufig möchten Sie möglicherweise nur die Anzahl der Zeilen in einem pandas-DataFrame zählen, die bestimmte Kriterien erfüllen.
Glücklicherweise ist dies mit der folgenden grundlegenden Syntax einfach zu bewerkstelligen:
sum(df …