Como subconjunto um dataframe por uma ou várias colunas?

Ao tentar entender um grande DataFrame no Pandas, talvez seja necessário subconjunto por colunas e linhas. Neste tutorial, mostraremos os casos de uso mais comuns de particionamento de colunas do seu DataFrame.

Começaremos configurando nosso DataFrame de exemplo, o que faremos executando o seguinte código Python em nosso ambiente favorito (para simplificar, uso Anaconda e 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)

Agora, vamos examinar nossas primeiras linhas do Dataframe usando o método head().

languages.head()

Como você pode ver, este é um DataFrame bem simples que usaremos como exemplo neste post:

Filtrando uma única coluna

Começaremos com o caso mais simples, que é subconjunto de uma coluna do nosso conjunto de dados. A execução do seguinte comando criará um objeto Series:

Por nome/etiqueta

languages["language"]

A saída é uma série:

0 Python
1 C Sustenido
2 Javascript
3 PHP
Nome: idioma, dtype: objeto

type(languages["language"])

pandas.core.series.Series

Por índice

O comando a seguir também retornará uma série contendo a primeira coluna

languages.iloc[:,0]

Selecionando várias colunas

Por nome

Ao passar uma lista de colunas, o Pandas retornará um DataFrame contendo parte dos dados.

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

Por rótulo (com loc)

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

O resultado será semelhante.

Por índice

Agora vamos recuperar várias colunas usando o índice:

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

Por condição

Nesse caso, mostraremos apenas as colunas cujo nome corresponde a uma expressão específica. Usaremos o método de filtro bastante útil :

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

Notas:

1. também podemos filtrar por uma expressão regular específica (regex).
2. Podemos aplicar o parâmetro axis=0 para filtrar por valor de linha específico.

Filtrar linhas específicas por condição

Aqui está uma maneira bastante direta de subconjunto do DataFrame de acordo com um valor de linha:

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

Temos apenas um resultado:

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