Ako podmnožiť dátový rámec jedným alebo viacerými stĺpcami?

Keď sa pokúšate pochopiť zmysel veľkého DataFrame v Pandas, možno ho budete musieť podmnožiť podľa stĺpcov a riadkov. V tomto návode ukážeme najčastejšie prípady použitia rozdelenia stĺpcov na DataFrame.

Začneme nastavením nášho príkladu DataFrame, ktorý vykonáme spustením nasledujúceho kódu Python v našom obľúbenom prostredí (pre jednoduchosť používam 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)

Teraz sa pozrime na prvé riadky Dataframe pomocou metódy head().

languages.head()

Ako môžete vidieť, toto je celkom jednoduchý DataFrame, ktorý použijeme ako príklad v tomto príspevku:

Filtrovanie jedného stĺpca

Začneme najjednoduchším prípadom, ktorým je podmnožina jedného stĺpca z našej množiny údajov. Spustením nasledujúceho príkazu sa vytvorí objekt série:

Podľa mena / štítku

languages["language"]

Výstupom je séria:

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

type(languages["language"])

pandas.core.series.Series

Podľa indexu

Nasledujúci príkaz tiež vráti sériu obsahujúcu prvý stĺpec

languages.iloc[:,0]

Výber viacerých stĺpcov

Podľa názvu

Pri odovzdávaní zoznamu stĺpcov Pandas vráti DataFrame obsahujúci časť údajov.

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

Podľa štítka (s miestom)

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

Výsledok bude podobný.

Podľa indexu

Teraz získajme viacero stĺpcov pomocou indexu:

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

Podľa podmienok

V tomto prípade ukážeme len stĺpce, ktorých názov sa zhoduje s konkrétnym výrazom. Použijeme celkom praktickú metódu filtrovania :

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

Poznámky:

1. môžeme filtrovať aj podľa konkrétneho regulárneho výrazu (regex).
2. Môžeme použiť parameter axis=0 na filtrovanie podľa konkrétnej hodnoty riadka.

Filtrujte konkrétne riadky podľa podmienky

Tu je celkom jednoduchý spôsob, ako podnastaviť DataFrame podľa hodnoty riadka:

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

Máme len jeden výsledok:

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