{ "metadata": { "name": "", "signature": "sha256:2902481748d35de3b4537a4a855327a2b960d178c0e1803e2217aece3146796b" }, "nbformat": 3, "nbformat_minor": 0, "worksheets": [ { "cells": [ { "cell_type": "code", "collapsed": false, "input": [ "#Create DataFrame\n", "import pandas as pd\n", "import numpy as np\n", "from pandas import DataFrame, Series\n", "df = DataFrame(\n", " {'integer':[1,2,3,6,7,23,8,3],\n", " 'float':[2,3.4,5,6,2,4.7,4,8],\n", " 'string':['saya',None,'aku','cinta','kamu','a','b','jika']}\n", ")" ], "language": "python", "metadata": {}, "outputs": [], "prompt_number": 1 }, { "cell_type": "code", "collapsed": false, "input": [ "#Show DataFrame\n", "df" ], "language": "python", "metadata": {}, "outputs": [ { "html": [ "
\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
floatintegerstring
0 2.0 1 saya
1 3.4 2 None
2 5.0 3 aku
3 6.0 6 cinta
4 2.0 7 kamu
5 4.7 23 a
6 4.0 8 b
7 8.0 3 jika
\n", "
" ], "metadata": {}, "output_type": "pyout", "prompt_number": 2, "text": [ " float integer string\n", "0 2.0 1 saya\n", "1 3.4 2 None\n", "2 5.0 3 aku\n", "3 6.0 6 cinta\n", "4 2.0 7 kamu\n", "5 4.7 23 a\n", "6 4.0 8 b\n", "7 8.0 3 jika" ] } ], "prompt_number": 2 }, { "cell_type": "code", "collapsed": false, "input": [ "#Drop Na Value from DataFrame and then change the value using map\n", "df['string'].dropna().map(lambda x : 'rischan_' + x)" ], "language": "python", "metadata": {}, "outputs": [ { "metadata": {}, "output_type": "pyout", "prompt_number": 3, "text": [ "0 rischan_saya\n", "2 rischan_aku\n", "3 rischan_cinta\n", "4 rischan_kamu\n", "5 rischan_a\n", "6 rischan_b\n", "7 rischan_jika\n", "Name: string, dtype: object" ] } ], "prompt_number": 3 }, { "cell_type": "code", "collapsed": false, "input": [ "#Apply function for all rows in dataframe\n", "df.ix[:,['float','integer']].apply(np.sqrt)" ], "language": "python", "metadata": {}, "outputs": [ { "html": [ "
\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
floatinteger
0 1.414214 1.000000
1 1.843909 1.414214
2 2.236068 1.732051
3 2.449490 2.449490
4 1.414214 2.645751
5 2.167948 4.795832
6 2.000000 2.828427
7 2.828427 1.732051
\n", "
" ], "metadata": {}, "output_type": "pyout", "prompt_number": 5, "text": [ " float integer\n", "0 1.414214 1.000000\n", "1 1.843909 1.414214\n", "2 2.236068 1.732051\n", "3 2.449490 2.449490\n", "4 1.414214 2.645751\n", "5 2.167948 4.795832\n", "6 2.000000 2.828427\n", "7 2.828427 1.732051" ] } ], "prompt_number": 5 }, { "cell_type": "code", "collapsed": false, "input": [ "#Apply map function example\n", "def applymap_function(x):\n", " if type(x) is str:\n", " return 'applymap_' +x\n", " elif x:\n", " return 100 * x\n", " else:\n", " return\n", "\n", "#DataFrame after function excecution\n", "df.applymap(applymap_function)" ], "language": "python", "metadata": {}, "outputs": [ { "html": [ "
\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
floatintegerstring
0 200 100 applymap_saya
1 340 200 None
2 500 300 applymap_aku
3 600 600 applymap_cinta
4 200 700 applymap_kamu
5 470 2300 applymap_a
6 400 800 applymap_b
7 800 300 applymap_jika
\n", "
" ], "metadata": {}, "output_type": "pyout", "prompt_number": 6, "text": [ " float integer string\n", "0 200 100 applymap_saya\n", "1 340 200 None\n", "2 500 300 applymap_aku\n", "3 600 600 applymap_cinta\n", "4 200 700 applymap_kamu\n", "5 470 2300 applymap_a\n", "6 400 800 applymap_b\n", "7 800 300 applymap_jika" ] } ], "prompt_number": 6 }, { "cell_type": "code", "collapsed": false, "input": [ "#Columns opereration in DataFrame\n", "df[\"total\"] = df[\"float\"]+df[\"integer\"]\n", "df" ], "language": "python", "metadata": {}, "outputs": [ { "html": [ "
\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
floatintegerstringtotal
0 2.0 1 saya 3.0
1 3.4 2 None 5.4
2 5.0 3 aku 8.0
3 6.0 6 cinta 12.0
4 2.0 7 kamu 9.0
5 4.7 23 a 27.7
6 4.0 8 b 12.0
7 8.0 3 jika 11.0
\n", "
" ], "metadata": {}, "output_type": "pyout", "prompt_number": 8, "text": [ " float integer string total\n", "0 2.0 1 saya 3.0\n", "1 3.4 2 None 5.4\n", "2 5.0 3 aku 8.0\n", "3 6.0 6 cinta 12.0\n", "4 2.0 7 kamu 9.0\n", "5 4.7 23 a 27.7\n", "6 4.0 8 b 12.0\n", "7 8.0 3 jika 11.0" ] } ], "prompt_number": 8 }, { "cell_type": "code", "collapsed": false, "input": [ "#String operation in DataFrame\n", "df[\"upper\"] = df[\"string\"].str.upper()\n", "df" ], "language": "python", "metadata": {}, "outputs": [ { "html": [ "
\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
floatintegerstringtotalupper
0 2.0 1 saya 3.0 SAYA
1 3.4 2 None 5.4 None
2 5.0 3 aku 8.0 AKU
3 6.0 6 cinta 12.0 CINTA
4 2.0 7 kamu 9.0 KAMU
5 4.7 23 a 27.7 A
6 4.0 8 b 12.0 B
7 8.0 3 jika 11.0 JIKA
\n", "
" ], "metadata": {}, "output_type": "pyout", "prompt_number": 9, "text": [ " float integer string total upper\n", "0 2.0 1 saya 3.0 SAYA\n", "1 3.4 2 None 5.4 None\n", "2 5.0 3 aku 8.0 AKU\n", "3 6.0 6 cinta 12.0 CINTA\n", "4 2.0 7 kamu 9.0 KAMU\n", "5 4.7 23 a 27.7 A\n", "6 4.0 8 b 12.0 B\n", "7 8.0 3 jika 11.0 JIKA" ] } ], "prompt_number": 9 } ], "metadata": {} } ] }