Python Pandas - indeksowanie i wybieranie danych

W tym rozdziale omówimy, jak wyciąć i pokroić w kostkę datę i ogólnie uzyskać podzbiór obiektu pandy.

Operatory indeksowania Python i NumPy „[]” oraz operator atrybutów „”. zapewniają szybki i łatwy dostęp do struktur danych Pandas w szerokim zakresie zastosowań. Ponieważ jednak typ danych, do których można uzyskać dostęp, nie jest z góry znany, bezpośrednie korzystanie ze standardowych operatorów ma pewne ograniczenia dotyczące optymalizacji. W przypadku kodu produkcyjnego zalecamy skorzystanie ze zoptymalizowanych metod dostępu do danych pand wyjaśnionych w tym rozdziale.

Pandy obsługują teraz trzy typy indeksowania wieloosiowego; trzy typy są wymienione w poniższej tabeli -

Sr.No Indeksowanie i opis
1

.loc()

Na podstawie etykiety

2

.iloc()

Oparty na liczbach całkowitych

3

.ix()

Oparte na etykietach i liczbach całkowitych

.loc ()

Pandy zapewniają różne metody czystego posiadania label based indexing. Podczas krojenia dołączana jest również granica początkowa. Liczby całkowite są prawidłowymi etykietami, ale odnoszą się do etykiety, a nie do pozycji.

.loc() ma wiele metod dostępu, takich jak -

  • Pojedyncza etykieta skalarna
  • Lista etykiet
  • Obiekt plasterek
  • Tablica boolowska

locprzyjmuje dwa pojedyncze operatory / lista / zakres oddzielone znakiem „,”. Pierwsza wskazuje rząd, a druga kolumny.

Przykład 1

#import the pandas library and aliasing as pd
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4),
index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D'])

#select all rows for a specific column
print df.loc[:,'A']

Jego output wygląda następująco -

a   0.391548
b  -0.070649
c  -0.317212
d  -2.162406
e   2.202797
f   0.613709
g   1.050559
h   1.122680
Name: A, dtype: float64

Przykład 2

# import the pandas library and aliasing as pd
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4),
index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D'])

# Select all rows for multiple columns, say list[]
print df.loc[:,['A','C']]

Jego output wygląda następująco -

A           C
a    0.391548    0.745623
b   -0.070649    1.620406
c   -0.317212    1.448365
d   -2.162406   -0.873557
e    2.202797    0.528067
f    0.613709    0.286414
g    1.050559    0.216526
h    1.122680   -1.621420

Przykład 3

# import the pandas library and aliasing as pd
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4),
index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D'])

# Select few rows for multiple columns, say list[]
print df.loc[['a','b','f','h'],['A','C']]

Jego output wygląda następująco -

A          C
a   0.391548   0.745623
b  -0.070649   1.620406
f   0.613709   0.286414
h   1.122680  -1.621420

Przykład 4

# import the pandas library and aliasing as pd
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4),
index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D'])

# Select range of rows for all columns
print df.loc['a':'h']

Jego output wygląda następująco -

A           B          C          D
a    0.391548   -0.224297   0.745623   0.054301
b   -0.070649   -0.880130   1.620406   1.419743
c   -0.317212   -1.929698   1.448365   0.616899
d   -2.162406    0.614256  -0.873557   1.093958
e    2.202797   -2.315915   0.528067   0.612482
f    0.613709   -0.157674   0.286414  -0.500517
g    1.050559   -2.272099   0.216526   0.928449
h    1.122680    0.324368  -1.621420  -0.741470

Przykład 5

# import the pandas library and aliasing as pd
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4),
index = ['a','b','c','d','e','f','g','h'], columns = ['A', 'B', 'C', 'D'])

# for getting values with a boolean array
print df.loc['a']>0

Jego output wygląda następująco -

A  False
B  True
C  False
D  False
Name: a, dtype: bool

.I loc()

Pandy zapewniają różne metody, aby uzyskać indeksowanie oparte wyłącznie na liczbach całkowitych. Podobnie jak Python i Numpy, są0-based indeksowanie.

Różne metody dostępu są następujące -

  • Liczba całkowita
  • Lista liczb całkowitych
  • Zakres wartości

Przykład 1

# import the pandas library and aliasing as pd
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

# select all rows for a specific column
print df.iloc[:4]

Jego output wygląda następująco -

A          B           C           D
0   0.699435   0.256239   -1.270702   -0.645195
1  -0.685354   0.890791   -0.813012    0.631615
2  -0.783192  -0.531378    0.025070    0.230806
3   0.539042  -1.284314    0.826977   -0.026251

Przykład 2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

# Integer slicing
print df.iloc[:4]
print df.iloc[1:5, 2:4]

Jego output wygląda następująco -

A          B           C           D
0   0.699435   0.256239   -1.270702   -0.645195
1  -0.685354   0.890791   -0.813012    0.631615
2  -0.783192  -0.531378    0.025070    0.230806
3   0.539042  -1.284314    0.826977   -0.026251

           C          D
1  -0.813012   0.631615
2   0.025070   0.230806
3   0.826977  -0.026251
4   1.423332   1.130568

Przykład 3

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

# Slicing through list of values
print df.iloc[[1, 3, 5], [1, 3]]
print df.iloc[1:3, :]
print df.iloc[:,1:3]

Jego output wygląda następująco -

B           D
1   0.890791    0.631615
3  -1.284314   -0.026251
5  -0.512888   -0.518930

           A           B           C           D
1  -0.685354    0.890791   -0.813012    0.631615
2  -0.783192   -0.531378    0.025070    0.230806

           B           C
0   0.256239   -1.270702
1   0.890791   -0.813012
2  -0.531378    0.025070
3  -1.284314    0.826977
4  -0.460729    1.423332
5  -0.512888    0.581409
6  -1.204853    0.098060
7  -0.947857    0.641358

.ix ()

Oprócz czystych etykiet i liczb całkowitych, Pandas zapewnia hybrydową metodę selekcji i podzbioru obiektu za pomocą operatora .ix ().

Przykład 1

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

# Integer slicing
print df.ix[:4]

Jego output wygląda następująco -

A          B           C           D
0   0.699435   0.256239   -1.270702   -0.645195
1  -0.685354   0.890791   -0.813012    0.631615
2  -0.783192  -0.531378    0.025070    0.230806
3   0.539042  -1.284314    0.826977   -0.026251

Przykład 2

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])
# Index slicing
print df.ix[:,'A']

Jego output wygląda następująco -

0   0.699435
1  -0.685354
2  -0.783192
3   0.539042
4  -1.044209
5  -1.415411
6   1.062095
7   0.994204
Name: A, dtype: float64

Stosowanie notacji

Pobieranie wartości z obiektu Pandas z indeksowaniem wieloosiowym wykorzystuje następującą notację -

Obiekt Indeksatory Typ zwrotu
Seria s.loc [indeksator] Wartość skalarna
Ramka danych df.loc [row_index, col_index] Obiekt serii
Płyta p.loc [item_index, major_index, minor_index] p.loc [item_index, major_index, minor_index]

Note − .iloc() & .ix() stosuje te same opcje indeksowania i wartość zwracaną.

Zobaczmy teraz, jak każdą operację można wykonać na obiekcie DataFrame. Użyjemy podstawowego operatora indeksowania „[]” -

Przykład 1

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])
print df['A']

Jego output wygląda następująco -

0  -0.478893
1   0.391931
2   0.336825
3  -1.055102
4  -0.165218
5  -0.328641
6   0.567721
7  -0.759399
Name: A, dtype: float64

Note - Możemy przekazać listę wartości do [], aby wybrać te kolumny.

Przykład 2

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

print df[['A','B']]

Jego output wygląda następująco -

A           B
0  -0.478893   -0.606311
1   0.391931   -0.949025
2   0.336825    0.093717
3  -1.055102   -0.012944
4  -0.165218    1.550310
5  -0.328641   -0.226363
6   0.567721   -0.312585
7  -0.759399   -0.372696

Przykład 3

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])
print df[2:2]

Jego output wygląda następująco -

Columns: [A, B, C, D]
Index: []

Dostęp do atrybutów

Kolumny można wybierać za pomocą operatora atrybutu „.”.

Przykład

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(8, 4), columns = ['A', 'B', 'C', 'D'])

print df.A

Jego output wygląda następująco -

0   -0.478893
1    0.391931
2    0.336825
3   -1.055102
4   -0.165218
5   -0.328641
6    0.567721
7   -0.759399
Name: A, dtype: float64