Лекции / 10. Датафреймы pandas - Jupyter Notebook

12.11.2022, 11:38 10. Датафреймы pandas - Jupyter Notebook

In [26]:

df.iloc[:, 'Mstat': 'Econ']

---------------------------------------------------------------------------

TypeError Traceback (most recent call last) <ipython-input-26-25ef00bcf778> in <module>()

----> 1 df.iloc[:, 'Mstat': 'Econ']

/anaconda3/lib/python3.6/site-packages/pandas/core/indexing.py in __getitem_

/anaconda3/lib/python3.6/site-packages/pandas/core/indexing.py in _getitem_t uple(self, tup)

/anaconda3/lib/python3.6/site-packages/pandas/core/indexing.py in _getitem_a xis(self, key, axis)

/anaconda3/lib/python3.6/site-packages/pandas/core/indexing.py in _get_slice _axis(self, slice_obj, axis)

/anaconda3/lib/python3.6/site-packages/pandas/core/indexing.py in _convert_s lice_indexer(self, key, axis)

264# if we are accessing via lowered dim, use the last dim

265ax = self.obj._get_axis(min(axis, self.ndim - 1))

--> 266 return ax._convert_slice_indexer(key, kind=self.name)

267

268

/anaconda3/lib/python3.6/site-packages/pandas/core/indexes/base.py in _conve rt_slice_indexer(self, key, kind)

12.11.2022, 11:38 10. Датафреймы pandas - Jupyter Notebook

/anaconda3/lib/python3.6/site-packages/pandas/core/indexes/base.py in _valid ate_indexer(self, form, key, kind)

/anaconda3/lib/python3.6/site-packages/pandas/core/indexes/base.py in _inval id_indexer(self, form, key)

TypeError: cannot do slice indexing on <class 'pandas.core.indexes.base.Inde x'> with these indexers [Mstat] of <class 'str'>

Python пишет, что невозможно взять срез по индексам, которые имеют строковый тип ( class 'str' ), так как в квадратных скобках ожидаются числовые (целочисленные) индексы.

Если нужно выбрать несколько столбцов подряд, можно воспользоваться срезами:

In [27]:

df.iloc[:, 1:3]

Out[27]:

Числовые срезы в pandas уже ничем не отличаются от списковых срезов: правый конец среза не включается. В нашем случае мы выбрали только столбцы с индексами 1 и 2.

Выбор строк по названию

Выбор строки по названию происходит аналогичным образом, только здесь метод .loc уже обязателен.

In [28]:

df.loc['М141БПЛТЛ031'] # строка для студента с номером М141БПЛТЛ031

Name: М141БПЛТЛ031, dtype: float64

При этом ставить запятую и двоеточие, показывая, что нам нужна одна строка и все столбцы, уже не нужно. Если нам нужно выбрать несколько строк подряд, то .loc не нужен:

In [29]:

df["М141БПЛТЛ024":'М141БПЛТЛ069']

Out[29]:

Как Python понимает, что мы просим вывести именно строки с такими названиями, а не столбцы? Потому что у нас стоят одинарные квадратные скобки, а не двойные, как в случае со столбцами. (Да, в pandas много всяких тонкостей, но чтобы хорошо в них разбираться, нужно просто попрактиковаться и привыкнуть).

Обратите внимание: разницы между двойными и одинарными кавычками нет, строки можно вводить в

любых кавычках, как в примере выше.

Выбор строк по номеру

В этом случае достаточно указать номер в квадратных скобках в .iloc :

In [30]:

df.iloc[2]

Name: М141БПЛТЛ075, dtype: float64

Если нужно несколько строк подряд, можно воспользоваться срезами:

In [31]:

df[1:3] # и без iloc

Out[31]:

Если нужно несколько строк не подряд, можно просто перечислить внутри списка в .iloc :

In [32]:

df.iloc[[1, 2, 5, 10]]

Out[32]:

Выбор наблюдений по названиям строк и столбцов

Если нам нужно выбрать одно наблюдение на пересечении строки и столбца, можно воспользоваться методом .at : сначала указать название строки, потом ‒ столбца:

In [33]:

df.at['М141БПЛТЛ078', 'Game'] # оценка по теории игр у студента М141БПЛТЛ078

Out[33]:

6

Кроме того, можно применить метод .loc :

In [34]:

df.loc["М141БПЛТЛ075", "Soc"] # оценка по социологии у студента М141БПЛТЛ075

Out[34]:

9

В чем разница между .at и .loc ? Метод .loc более универсален. В то время как .at используется для нахождения одного наблюдения на пересечении строки и столбца, .loc позволяет выбрать несколько наблюдений (строк и столбцов) сразу. Например, так:

In [35]:

df.loc["М141БПЛТЛ024":"М141БПЛТЛ073", "Mstat"]

Out[35]:

id

М141БПЛТЛ024 9 М141БПЛТЛ031 10 М141БПЛТЛ075 9 М141БПЛТЛ017 9 М141БПЛТЛ069 10 М141БПЛТЛ072 9 М141БПЛТЛ020 7 М141БПЛТЛ026 10 М141БПЛТЛ073 9

Name: Mstat, dtype: int64

Если нужно выбрать какое-то одно значение, метод .at будет работать более быстро, чем .loc .

*Выбор наблюдения по номеру строки и столбца *

Выбор наблюдения по номеру строки и столбца осуществляется аналогичным образом, только теперь мы используем методы с префиксом i для индексов: .iat и .iloc .

In [36]:

df.iat[4, 6] # оценка на пересечении строки 4 и столбца 6

Out[36]:

9

In [37]:

df.iloc[8, 4] # оценка на пересечении строки 8 и столбца 4

Out[37]:

9

Убедимся, что все верно:

12.11.2022, 11:38 10. Датафреймы pandas - Jupyter Notebook

In [38]: df.head(8) Out[38]:

Выбор строк по условию (фильтрация наблюдений)

Часто в исследованиях нас не интересует выбор отдельных строк по названию или номеру, мы хотим отбирать строки в таблице согласно некорому условию (условиям). Другими словами, проводить фильтрацию наблюдений. Для этого интересующее нас условие необходимо указать в квадратных скобках. Выберем из датафрейма df строки, которые соответствуют студентам с оценкой по экономике выше 6.

In [39]:

df[df["Econ"] > 6]

Out[39]:

Почему нельзя было написать проще, то есть df["Econ"] > 6 ? Давайте напишем, и посмотрим, что получится: