Cum să subsetez un cadru de date cu una sau mai multe coloane?

Când încercați să înțelegeți un DataFrame mare în Pandas, s-ar putea să fie necesar să îl substabiliți după coloane și rânduri. În acest tutorial, vom arăta cele mai răspândite cazuri de utilizare ale partiționării coloanelor DataFrame.

Vom începe prin a configura exemplul nostru de DataFrame, lucru pe care îl vom face rulând următorul cod Python în mediul nostru preferat (pentru simplitate, folosesc Anaconda și 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)

Acum, să ne uităm în primele rânduri ale Dataframe-ului folosind metoda head().

languages.head()

După cum puteți vedea, acesta este un DataFrame destul de simplu pe care îl vom folosi ca exemplu în această postare:

Filtrarea unei singure coloane

Vom începe cu cel mai simplu caz, care este să subsetăm o coloană din setul nostru de date. Rularea următoarei comenzi va crea un obiect Series:

După nume/etichetă

languages["language"]

Ieșirea este o serie:

0 Python
1 C-Sharp
2 Javascript
3 PHP
Nume: limba, dtype: obiect

type(languages["language"])

panda.core.series.Series

După index

Următoarea comandă va returna și o serie care conține prima coloană

languages.iloc[:,0]

Selectarea mai multor coloane

Dupa nume

Când trece o listă de coloane, Pandas va returna un DataFrame care conține o parte din date.

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

După etichetă (cu loc)

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

Rezultatul va fi similar.

După index

Acum să recuperăm mai multe coloane utilizând indexul:

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

După condiție

În acest caz, vom afișa doar coloanele care nume se potrivește cu o anumită expresie. Vom folosi metoda de filtrare destul de utilă :

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

Note:

1. putem filtra și după o anumită expresie regulată (regex).
2. Putem aplica parametrul axa=0 pentru a filtra după o anumită valoare a rândului.

Filtrați anumite rânduri în funcție de condiție

Iată o modalitate destul de simplă de a subseta DataFrame în funcție de o valoare de rând:

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

Avem un singur rezultat:

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