Cari Via Google



Kelas Online Oleh Muhammad Ullil Fahri

Panduan Lengkap Membuat Sistem Informasi Dengan Cepat ( Tanpa Cooding )

Apakah anda mau membuat sistem informasi , tapi tidak paham tentang coding PHP.
Sekarang pasar sistem informasi sedang naik daun , dimana hampir setiap kantor wajib memiliki sebuah sistem database yang mampu menampung data. ini merupakan sebuah peluang untuk anda.
Jika anda mau membuat Sistem Informasi yang dapat menampung database tanpa coding, kelas online ini sangat cocok untuk anda. Disini terdapat 13 Video pembelajaran langsung dari kelas online ini Full Praktek tanpa coding. Dan sedikit bocoran , ketika saya diminta oleh client membuat program yang 1 minggu harus jadi saya menggunakan metode ini. heheheheh......
sudah saatnya ilmu ini saya transfer kan ke anda, yang mau ikut kelas ini saya persilahkan. Yuk daftar sekarang
Daftar Sekarang

Filter Pada Pandas , Filter Attribute dan Type Data

in [1] : Menggunakan Paket Yang diperlukan

from sklearn.cluster import KMeans
import numpy as np
import  pandas

In [2]: Mengambil Dataset, jika anda mememrlukan dataset iris dapat di download di https://raw.githubusercontent.com/ullilfahri/OpenData/master/IRIS.csv

dataset = pandas.read_csv("/home/mfahri/github/OpenData/IRIS.csv") print(dataset.keys()) 
Index(['sepal_length', 'sepal_width', 'petal_length', 'petal_width',
       'species'],
      dtype='object')

In [3]: mengetahui tipe data dari data iris

df = pandas.DataFrame(dataset) tipedata = df.dtypes print(tipedata) 
sepal_length    float64
sepal_width     float64
petal_length    float64
petal_width     float64
species          object
dtype: object

In [5]: filter hanya attribute yang diperlukan saja , dalam kasus ini saya mengeluarkan attribute species

dfx = df.filter(items=['sepal_length', 'sepal_width', 'petal_length', 'petal_width']) print(dfx) 
     sepal_length  sepal_width  petal_length  petal_width
0             5.1          3.5           1.4          0.2
1             4.9          3.0           1.4          0.2
2             4.7          3.2           1.3          0.2
3             4.6          3.1           1.5          0.2
4             5.0          3.6           1.4          0.2
..            ...          ...           ...          ...
145           6.7          3.0           5.2          2.3
146           6.3          2.5           5.0          1.9
147           6.5          3.0           5.2          2.0
148           6.2          3.4           5.4          2.3
149           5.9          3.0           5.1          1.8

[150 rows x 4 columns]

In [6]: hanya mengambil attribute dengan tipe data object ( string )

datax = df.select_dtypes(include=object) print(datax) 
       species
0       setosa
1       setosa
2       setosa
3       setosa
4       setosa
..         ...
145  virginica
146  virginica
147  virginica
148  virginica
149  virginica

[150 rows x 1 columns]

In [7]: hanya mengambil dengan tipe data float

nmer = df.select_dtypes(include=float) print(nmer) 
     sepal_length  sepal_width  petal_length  petal_width
0             5.1          3.5           1.4          0.2
1             4.9          3.0           1.4          0.2
2             4.7          3.2           1.3          0.2
3             4.6          3.1           1.5          0.2
4             5.0          3.6           1.4          0.2
..            ...          ...           ...          ...
145           6.7          3.0           5.2          2.3
146           6.3          2.5           5.0          1.9
147           6.5          3.0           5.2          2.0
148           6.2          3.4           5.4          2.3
149           5.9          3.0           5.1          1.8

[150 rows x 4 columns]

 99 total views

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *