Tips

データフレームを1つまたは複数の列でサブセット化するにはどうすればよいですか?

Pandasを使用して、Pythonで条件ごとにDataFrameの行と列をサブセット化する方法を学びます。

Pandasで大きなDataFrameを理解しようとする場合、列と行でサブセット化する必要がある場合があります。このチュートリアルでは、DataFrameの列パーティション化の最も一般的なユースケースを示します。

まず、サンプルのDataFrameをセットアップします。これは、お気に入りの環境で次のPythonコードを実行することによって行います(簡単にするために、AnacondaとJupyter Labを使用します)。

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)

次に、head()メソッドを使用してデータフレームの最初の行を調べます。

languages.head()

ご覧のとおり、これはこの投稿で例として使用する非常に単純なDataFrameです。

  言語 avg_difficulty_level avg_salary アプリケーション
0 Python 3 120 10
1 Cシャープ 2 100 15
2 Javascript 2 120 14
3 PHP 1 80 20

単一の列のフィルタリング

最も単純なケースから始めます。これは、データセットから1つの列をサブセット化することです。次のコマンドを実行すると、Seriesオブジェクトが作成されます。

名前/ラベル別

languages["language"]

出力はシリーズです:

0 Python
1Cシャープ
2 Javascript
3 PHP
名前:言語、dtype:オブジェクト
type(languages["language"])

pandas.core.series.Series

インデックス別

次のコマンドも、最初の列を含むシリーズを返します

languages.iloc[:,0]

複数の列を選択する

名前で

列のリストを渡すと、Pandasはデータの一部を含むDataFrameを返します。

languages[["language", "applications"]]
  言語 アプリケーション
0 Python 10
1 Cシャープ 15
2 Javascript 14
3 PHP 20

ラベル別(loc付き)

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

結果は同様になります。

インデックス別

次に、インデックスを使用して複数の列を取得しましょう。

languages.iloc[: ,[0,3]]
  言語 アプリケーション
0 Python 10
1 Cシャープ 15
2 Javascript 14
3 PHP 20

条件別

この場合、名前が特定の式に一致する列のみを表示します。非常に便利なフィルター方法を使用します。

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

ノート:

  1. 特定の正規表現(regex)でフィルタリングすることもできます。
  2. パラメータaxis = 0を適用して、特定の行の値でフィルタリングできます。

条件で特定の行をフィルタリングする

行の値に従ってDataFrameをサブセット化する非常に簡単な方法は次のとおりです。

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

結果は1つだけです。

languages[(languages["applications"] > 15)]
  言語 avg_difficulty_level avg_salary アプリケーション
3 PHP 1 80 20
More in Tips