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:
- 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。
- 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 |