Jak podmnožit datový rámec jedním nebo více sloupci?

Když se snažíte porozumět velkému DataFrame v Pandas, možná jej budete muset podmnožit podle sloupců a řádků. V tomto tutoriálu si ukážeme nejčastější případy použití rozdělení sloupců ve vašem DataFrame.

Začneme nastavením našeho příkladu DataFrame, což provedeme spuštěním následujícího kódu Pythonu v našem oblíbeném prostředí (pro jednoduchost používám Anaconda a Jupyter Lab).

import pandas as pd # import the pandas library

languages = ({"language": [ "Python", "C-Sharp", "Javascript","PHP"] ,
         "avg_difficulty_level": [3, 2, 2, 1],
              "avg_salary": [120, 100, 120, 80],
          "applications": [10,15,14,20]})

# Now let's convert our dict to a DataFrame

languages = pd.DataFrame.from_dict(languages)

Nyní se podívejme na první řádky našeho Dataframe pomocí metody head().

languages.head()

Jak můžete vidět, toto je docela jednoduchý DataFrame, který použijeme jako příklad v tomto příspěvku:

Filtrování jednoho sloupce

Začneme tím nejjednodušším případem, kterým je podmnožina jednoho sloupce z naší datové sady. Spuštěním následujícího příkazu se vytvoří objekt Series:

Podle jména / štítku

languages["language"]

Výstupem je řada:

0 Python
1 C-Sharp
2 Javascript
3 PHP
Jméno: jazyk, dtype: objekt

type(languages["language"])

Pandas.core.series.Series

Podle indexu

Následující příkaz také vrátí řadu obsahující první sloupec

languages.iloc[:,0]

Výběr více sloupců

Podle jména

Při předávání seznamu sloupců Pandas vrátí DataFrame obsahující část dat.

languages[["language", "applications"]]

Podle štítku (s místem)

df.loc[:,["language","applications"]]

Výsledek bude podobný.

Podle indexu

Nyní načteme více sloupců pomocí indexu:

languages.iloc[: ,[0,3]]

Podle podmínek

V tomto případě pouze ukážeme sloupce, jejichž název odpovídá konkrétnímu výrazu. Použijeme docela praktickou metodu filtrování :

languages.filter(axis = 1, like="avg")

Poznámky:

1. můžeme také filtrovat podle konkrétního regulárního výrazu (regex).
2. Můžeme použít parametr axis=0 pro filtrování podle konkrétní hodnoty řádku.

Filtrujte konkrétní řádky podle podmínky

Zde je docela jednoduchý způsob, jak podnastavit DataFrame podle hodnoty řádku:

languages[(languages["applications"] > 15)]

Máme jen jeden výsledek:

languages[(languages["applications"] > 15)]