Ibland kan vissa kolumner inte ge värdefull information, vilket gör det fördelaktigt att ta bort dem. `pandas`-biblioteket erbjuder `drop()`-metoden för detta ändamål.

```python
drop(index, columns, axis)
```

- `index`: specificerar radindex som ska tas bort (används när `axis=0`);
- `columns`: identifierar kolumnnamn som ska tas bort (används när `axis=1`);
- `axis`: välj om du vill ta bort etiketter från **rader** (`0`) eller **kolumner** (`1`). Standard är `0`.

Vi börjar med att undersöka DataFrame:

import pandas as pd 

countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'],
          'continent' : [None, None, 'Europe', None, 'Europe', None, 'Europe'],
          'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}
countries = pd.DataFrame(countries_data)
print(countries)

Vi märker att kolumnen `'continent'` innehåller många saknade värden, vilket gör den mindre informativ. Därför kommer vi att ta bort den.

import pandas

countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'],
          'continent' : [None, None, 'Europe', None, 'Europe', None, 'Europe'],
          'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}
countries = pandas.DataFrame(countries_data)
countries = countries.drop(columns = ['continent'],axis=1)
print(countries)

import unittest
import importlib
import pandas as pd


def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)


def get_first_differing_row(expected_df, actual_df):
    expected_list = expected_df.astype(str).apply(tuple, axis=1)
    actual_list = actual_df.astype(str).apply(tuple, axis=1)

    for i, (row1, row2) in enumerate(zip(expected_list, actual_list)):
        if row1 != row2:
            return i, expected_df.iloc[i].values, actual_df.iloc[i].values

    if len(expected_df) > len(actual_df):
        return len(actual_df), expected_df.iloc[len(actual_df)].values, None
    else:
        return len(expected_df), None, actual_df.iloc[len(expected_df)].values


class TestUserCode(unittest.TestCase):

    def test_audi_cars_is_declared(self):
        import user_code
        _dynamic_test(
            self,
            hasattr(user_code, 'audi_cars'),
            "The `audi_cars` variable is declared.",
            "Expected `audi_cars` variable to be declared."
        )

    def test_audi_cars_is_dataframe(self):
        import user_code
        try:
            condition = isinstance(user_code.audi_cars, pd.DataFrame)
            failure_message = f"Expected `audi_cars` to be a `DataFrame`, but got `{type(user_code.audi_cars).__name__}`."
        except AttributeError:
            condition = False
            failure_message = "The `audi_cars` variable is not declared."

        _dynamic_test(
            self,
            condition,
            "The variable `audi_cars` is a `DataFrame`.",
            failure_message
        )

    def test_capital_column_removed(self):
        import user_code
        try:
            condition = 'capital' not in user_code.audi_cars.columns
            failure_message = "Expected `'capital'` column to be removed from `audi_cars`, but it still exists."

        except AttributeError:
            condition = False
            if not getattr(user_code, 'audi_cars', None):
                failure_message = "The `audi_cars` variable is not declared."
            else:
                failure_message = "`audi_cars` is not a `DataFrame`."

        _dynamic_test(
            self,
            condition,
            "The `'capital'` column is removed from `audi_cars`.",
            failure_message
        )

    def test_audi_cars_columns_correct(self):
        import user_code
        expected_columns = ['fueltype', 'model', 'year']
        try:
            actual_columns = sorted(list(user_code.audi_cars.columns))
            condition = actual_columns == expected_columns
            failure_message = f"Expected `audi_cars` to have columns `{expected_columns}`, but got `{actual_columns}`."

        except AttributeError:
            condition = False
            if not getattr(user_code, 'audi_cars', None):
                failure_message = "The `audi_cars` variable is not declared."
            else:
                failure_message = "`audi_cars` is not a `DataFrame`."

        _dynamic_test(
            self,
            condition,
            f"`audi_cars` has the correct columns.",
            failure_message
        )

    def test_audi_cars_is_correct(self):
        import user_code

        cars_data = {
            'model': ['Audi A1', 'Audi A6', 'Audi A4', 'Audi A3', 'Audi A1'],
            'year': [2017, 2016, 2017, 2019, 2016],
            'fueltype': ['petrol', 'diesel', 'diesel', 'petrol', 'petrol']}

        expected_df = pd.DataFrame(cars_data)

        variable = 'audi_cars'
        actual_df = getattr(user_code, variable, None)
        condition = False
        if actual_df is None:
            failure_message = f"The `{variable}` variable is not declared."
        elif not isinstance(actual_df, pd.DataFrame):
            failure_message = f"`{variable}` is not a `DataFrame`."
        elif actual_df.empty:
            failure_message = f"`{variable}` is empty."
        elif actual_df.equals(expected_df):
            condition = True
            failure_message = None
        else:
            idx, expected_row, actual_row = get_first_differing_row(expected_df, actual_df)
            failure_message = f"Expected `{variable}` to contain `{expected_row}` at row {idx}, but got `{actual_row}`."

        _dynamic_test(
            self,
            condition,
            f"`{variable}` contains the correct data.",
            failure_message
        )


if __name__ == '__main__':
    unittest.main()

test_main.py

Pandas är ett extremt användarvänligt bibliotek för dataanalys. Det är också utformat för att hantera stora datamängder, med hjälp av datastrukturer som DataFrame och Series. Detta gör det till ett ovärderligt verktyg för Data Science. I denna guide kommer du att bekanta dig med en rad statistiska funktioner, inklusive hur man hittar korrelationer, lägen, medianer och maximala och minimala värden inom en dataset. Du kommer också att lära dig hur man hanterar saknade värden och manipulerar specifika värden, samt hur man tar bort dem.

I det här avsnittet kommer vi att utforska grunderna i Series och DataFrame-strukturer. Du kommer också att lära dig om skillnaderna mellan dessa två typer av strukturer.

Data kan hämtas i olika format, såsom CSV, JSON, SQL, HTML och fler. Med Pandas är du inte begränsad till ett enda format — du kan arbeta med data från en mängd olika filtyper. I detta kapitel kommer vi specifikt att fokusera på CSV- och TXT-formaten.

Här kommer du att lära dig hur man bearbetar rådata genom att ta bort överflödig information och hantera nullvärden i en dataset.

Ta Bort en Rad/Kolumn

Lösning