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: float64Przykład 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 -1.621420Przykład 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 -1.621420Przykład 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 -0.741470Przykład 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']>0Jego 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 -0.026251Przykład 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 1.130568Przykład 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 -0.026251Przykład 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: float64Stosowanie 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: float64Note - 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 -0.372696Przykład 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.AJego 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