Hvordan undersætter man en dataramme med en eller flere kolonner?

Når du prøver at forstå en stor DataFrame i Pandas, skal du muligvis undersætte den efter kolonner og rækker. I denne øvelse viser vi de mest udbredte anvendelsesmuligheder for kolonnepartitionering af din DataFrame.

Vi starter med at opsætte vores eksempel DataFrame, hvilket vi vil gøre ved at køre følgende Python-kode i vores foretrukne miljø (for nemheds skyld bruger jeg Anaconda og 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)

Lad os nu se på vores Dataframe første rækker ved hjælp af head() metoden.

languages.head()

Som du kan se, er dette en ret simpel DataFrame, vi vil bruge som eksempel i dette indlæg:

Filtrering af en enkelt kolonne

Vi starter med det enkleste tilfælde, som er at undersætte én kolonne ud af vores datasæt. Ved at køre følgende kommando oprettes et serieobjekt:

Efter navn / etiket

languages["language"]

Udgangen er en serie:

0 Python
1 C-Sharp
2 Javascript
3 PHP
Navn: sprog, dtype: objekt

type(languages["language"])

pandaer.kerneserier.serier

Efter indeks

Den følgende kommando vil også returnere en serie, der indeholder den første kolonne

languages.iloc[:,0]

Valg af flere kolonner

Ved navn

Når Pandas sender en liste over kolonner, returnerer en DataFrame, der indeholder en del af dataene.

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

Efter etiket (med loc)

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

Resultatet vil være det samme.

Efter indeks

Lad os nu hente flere kolonner ved at bruge indekset:

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

Efter betingelse

I dette tilfælde viser vi blot kolonnerne, hvilket navn matcher et specifikt udtryk. Vi bruger den ganske praktiske filtermetode :

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

Bemærkninger:

1. vi kan også filtrere efter et specifikt regulært udtryk (regex).
2. Vi kan anvende parameteren axis=0 til at filtrere efter specifik rækkeværdi.

Filtrer specifikke rækker efter tilstand

Her er en ret ligetil måde at undersætte DataFrame i henhold til en rækkeværdi:

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

Vi har kun ét resultat:

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