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 …
Ein Tibble ist ein Dataframe in R, der über eine verfeinerte Druckmethode verfügt, die nur die ersten 10 Zeilen eines Dataframes anzeigt. Dies erleichtert die Arbeit mit großen Datenmengen erheblich und verhindert, dass R versucht, jede Zeile eines Dataframes anzuzeigen.
Betrachten Sie zum Beispiel das folgende Tibble mit 80 Zeilen und 2 Spalten:
#dplyr laden
library(dplyr)
#mache dieses Beispiel reproduzierbar
set.seed(1)
#Tibble erstellen
data <- tibble(a = rnorm(80),
b = rnorm(80))
#Tibble ansehen
data
# A tibble: 80 x 2
a b
1 -0.626 -0.569
2 0.184 -0.135
3 -0.836 1.18
4 1.60 -1.52
5 0.330 0.594
6 -0.820 0.333
7 0.487 1.06
8 0.738 -0.304
9 0.576 0.370
10 -0.305 0.267
# ... with 70 more rows
Wenn wir den Namen des Tibbles in R eingeben, werden standardmäßig nur die ersten 10 Zeilen angezeigt. Es sagt uns jedoch, dass es 70 weitere Zeilen gibt, die nicht angezeigt werden.
In einigen Fällen möchten Sie jedoch möglicherweise mehr als nur 10 Reihen eines Tibbles sehen.
Hinweis: Wenn Sie mit Tibbles noch nicht vertraut sind, ist das Kapitel über Tibbles in R for Data Science ein guter Ausgangspunkt.
Sie können eine bestimmte Anzahl von Zeilen eines Tibbles ausgeben, indem Sie eine Zahl in der Funktion print() angeben:
#die ersten 20 Reihen von Tibble ausgeben
print(data, n=20)
# A tibble: 80 x 2
a b
1 -0.626 -0.569
2 0.184 -0.135
3 -0.836 1.18
4 1.60 -1.52
5 0.330 0.594
6 -0.820 0.333
7 0.487 1.06
8 0.738 -0.304
9 0.576 0.370
10 -0.305 0.267
11 1.51 -0.543
12 0.390 1.21
13 -0.621 1.16
14 -2.21 0.700
15 1.12 1.59
16 -0.0449 0.558
17 -0.0162 -1.28
18 0.944 -0.573
19 0.821 -1.22
20 0.594 -0.473
# ... with 60 more rows
Sie können auch den Pipe-Operator verwenden, um das gleiche Ergebnis zu erzielen:
#die ersten 20 Reihen von Tibble ausgeben
data %>% print(n=20)
# A tibble: 80 x 2
a b
1 -0.626 -0.569
2 0.184 -0.135
3 -0.836 1.18
4 1.60 -1.52
5 0.330 0.594
6 -0.820 0.333
7 0.487 1.06
8 0.738 -0.304
9 0.576 0.370
10 -0.305 0.267
11 1.51 -0.543
12 0.390 1.21
13 -0.621 1.16
14 -2.21 0.700
15 1.12 1.59
16 -0.0449 0.558
17 -0.0162 -1.28
18 0.944 -0.573
19 0.821 -1.22
20 0.594 -0.473
# ... with 60 more rows
Sie können jede Zeile eines Tibbles ausgeben, indem Sie n = Inf angeben:
#alle Tibble-Reihen ausgeben
data %>% print(n=Inf)
# A tibble: 80 x 2
a b
1 -0.626 -0.569
2 0.184 -0.135
3 -0.836 1.18
4 1.60 -1.52
5 0.330 0.594
6 -0.820 0.333
7 0.487 1.06
8 0.738 -0.304
9 0.576 0.370
10 -0.305 0.267
11 1.51 -0.543
12 0.390 1.21
13 -0.621 1.16
14 -2.21 0.700
15 1.12 1.59
16 -0.0449 0.558
17 -0.0162 -1.28
18 0.944 -0.573
19 0.821 -1.22
20 0.594 -0.473
21 0.919 -0.620
22 0.782 0.0421
23 0.0746 -0.911
24 -1.99 0.158
25 0.620 -0.655
26 -0.0561 1.77
27 -0.156 0.717
28 -1.47 0.910
29 -0.478 0.384
30 0.418 1.68
31 1.36 -0.636
32 -0.103 -0.462
33 0.388 1.43
34 -0.0538 -0.651
35 -1.38 -0.207
36 -0.415 -0.393
37 -0.394 -0.320
38 -0.0593 -0.279
39 1.10 0.494
40 0.763 -0.177
41 -0.165 -0.506
42 -0.253 1.34
43 0.697 -0.215
44 0.557 -0.180
45 -0.689 -0.100
46 -0.707 0.713
47 0.365 -0.0736
48 0.769 -0.0376
49 -0.112 -0.682
50 0.881 -0.324
51 0.398 0.0602
52 -0.612 -0.589
53 0.341 0.531
54 -1.13 -1.52
55 1.43 0.307
56 1.98 -1.54
57 -0.367 -0.301
58 -1.04 -0.528
59 0.570 -0.652
60 -0.135 -0.0569
61 2.40 -1.91
62 -0.0392 1.18
63 0.690 -1.66
64 0.0280 -0.464
65 -0.743 -1.12
66 0.189 -0.751
67 -1.80 2.09
68 1.47 0.0174
69 0.153 -1.29
70 2.17 -1.64
71 0.476 0.450
72 -0.710 -0.0186
73 0.611 -0.318
74 -0.934 -0.929
75 -1.25 -1.49
76 0.291 -1.08
77 -0.443 1.00
78 0.00111 -0.621
79 0.0743 -1.38
80 -0.590 1.87
Weitere R-Tutorials finden Sie hier.
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 …