- Структура объекта DataFrame
- Индексы объектов DataFrame и Series
- Методы получения значений по индексу
- Срезы
- Выводы
Фильтрация значений и оперирование с их подмножествами используются в задачах обработки, подготовки и анализа данных. В этом уроке мы познакомимся c правилами индексирования основных объектов Series и DataFrame, а также узнаем, как с их помощью осуществлять подвыборки нужных строк и столбцов в табличных данных.
Структура объекта DataFrame
Рассмотрим объект DataFrame. Он состоит из набора столбцов, каждый из которых является объектом Series:
import pandas as pd
df_orders = pd.read_excel('./data/Orders.xlsx')
print(df_orders.head())
# => shop_1 shop_2 shop_3 shop4
# 0 7.0 1 7.0 8
# 1 4.0 2 4.0 5
# 2 3.0 5 NaN 3
# 3 8.0 12 8.0 7
# 4 15.0 11 13.0 9
Применим функцию type() к столбцу df_orders:
print(type(df_orders['shop_1']))
# => pandas.core.series.Series
Объект Series спроектирован, чтобы хранить одномерные структуры данных. Он состоит из двух связанных между собой массивов: меток и значений:
print(df_orders.shop_1)
# => 0 7.0
# 1 4.0
# 2 3.0
# 3 8.0
# 4 15.0
# 5 21.0
# 6 NaN
# Name: shop_1, dtype: float64
Выбрать несколько столбцов можно следующим образом:
print(df_orders[['shop_1','shop_2']].head())
# => shop_1 shop_2
# 0 7.0 1
# 1 4.0 2
# 2 3.0 5
# 3 8.0 12
# 4 15.0 11
#
При выборе нескольких столбцов мы будем снова получать тип данных DataFrame.
Иногда легче выбросить несколько столбцов, чем перечислять необходимые. В этом случае нужно использовать метод drop():
print(df_orders.drop(['shop_4'], axis=1).head())
# => shop_1 shop_2 shop_3
# 0 7.0 1 7.0
# 1 4.0 2 4.0
# 2 3.0 5 NaN
# 3 8.0 12 8.0
# 4 15.0 11 13.0
В методе drop() нужно задавать значение параметра axis. Значение 0 будет указывать, что нужно исключить некоторые строки. Значение 1 указывает на исключение столбцов.
Метод drop() возвращает новый объект DataFrame и оставляет без изменений исходный.
Индексы объектов DataFrame и Series
У каждой строки объекта DataFrame или значения у Series есть индекс. Индекс может быть как числом, так и строкой. Список индексов объектов DataFrame и Series можно получить с помощью атрибута index:
print(df_orders.index)
# RangeIndex(start=0, stop=7, step=1)
print(df_orders.shop_1.index)
# RangeIndex(start=0, stop=7, step=1)
Если нужно, можно изменить значение индексов и имя столбца с индексами:
df_orders.index = range(0,16,2)
df_orders.index.name = 'New indexes'
print(df_orders.head())
# => shop_1 shop_2 shop_3 shop4
# New indexes
# 0 7.0 1 7.0 8
# 2 4.0 2 4.0 5
# 4 3.0 5 NaN 3
# 6 8.0 12 8.0 7
# 8 15.0 11 13.0 9
Строковые индексы обычно называют метки или ключи:
df_orders.index = ['a','b','c','d','e','f','g']
print(df_orders.head())
# => shop_1 shop_2 shop_3 shop_4
# a 7.0 1 7.0 8
# b 4.0 2 4.0 5
# c 3.0 5 NaN 3
# d 8.0 12 8.0 7
# e 15.0 11 13.0 9
Методы получения значений по индексу
Разберем следующие методы:
- loc() — метод выбора данных на основе меток строк
- iloc() — метод выбора строк согласно их числовой позиции
loc()
Выберем одну строку из объекта DataFrame по ее метке:
print(df_orders.loc['b'])
# => shop_1 4.0
# shop_2 2.0
# shop_3 4.0
# shop_4 5.0
# Name: b, dtype: float64
Выберем несколько строк:
print(df_orders.loc[['b','c']])
# => shop_1 shop_2 shop_3 shop_4
# b 4.0 2 4.0 5
# c 3.0 5 NaN 3
iloc()
Выберем одну строку:
print(df_orders.iloc[1])
# => shop_1 4.0
# shop_2 2.0
# shop_3 4.0
# shop_4 5.0
# Name: b, dtype: float64
Выберем несколько строк:
print(df_orders.iloc[[1,2]])
# => shop_1 shop_2 shop_3 shop_4
# b 4.0 2 4.0 5
# c 3.0 5 NaN 3
Фильтрация строк и столбцов одновременно
Методы loc() и iloc() позволяют выполнять фильтрацию по строкам и столбцам одновременно. Пример для loc():
print(df_orders.loc[['b','c'],['shop_2','shop_4']])
# => shop_2 shop_4
# b 2 5
# c 5 3
Пример для iloc():
print(df_orders.iloc[[2,4],[1,3]])
# => shop_2 shop4
# c 5 3
# e 11 9
Как и при использовании методов отдельно для строк и столбцов, метод loc() ожидает на вход метки, а iloc() — номера позиций строк и столбцов.
Срезы
Срезы позволяют получать совокупности строк в определенном диапазоне. Пример:
print(df_orders.loc['b':'d'])
# => shop_1 shop_2 shop_3 shop_4
# b 4.0 2 4.0 5
# c 3.0 5 NaN 3
# d 8.0 12 8.0 7
В срез данных попали все строки между позициями 1 и 3 включительно. Позиции 1 и 3 соответствуют меткам 'b' и 'd'. Можно строить более интересные срезы:
print(df_orders.loc['b':'f':2])
# => shop_1 shop_2 shop_3 shop_4
# b 4.0 2 4.0 5
# d 8.0 12 8.0 7
# f 21.0 18 17.0 21
В данный срез попала каждая вторая строка между строками с метками 'b' и 'f'.
Можно получать срезы со строками и столбцами одновременно:
print(df_orders.loc['b':'f':2, 'shop_1':'shop_3'])
# => shop_1 shop_2 shop_3
# b 4.0 2 4.0
# d 8.0 12 8.0
# f 21.0 18 17.0
В срез попала каждая вторая строка между строками с метками 'b' и 'f' и столбцы с метками от 'shop_1' до 'shop_3' включительно.
Аналогично получаются срезы с помощью метода iloc(). Приведем пример, который совпадает по результату с примером выше:
print(df_orders.iloc[1:6:2, 0:3])
# b 4.0 2 4.0
# d 8.0 12 8.0
# f 21.0 18 17.0
Выводы
Работа с данными может производиться над конкретными элементами, строками, столбцами или их комбинациями. В этом уроке мы познакомились с фильтрацией значений таблиц по индексам строк и столбцов объекта DataFrame библиотеки Pandas. Изложенные методы позволяют получать различные срезы данных в соответствии с условиями на индексы.
Остались вопросы? Задайте их в разделе «Обсуждение»
Вам ответят команда поддержки Хекслета или другие студенты
Для полного доступа к курсу нужен базовый план
Базовый план откроет полный доступ ко всем курсам, упражнениям и урокам Хекслета, проектам и пожизненный доступ к теории пройденных уроков. Подписку можно отменить в любой момент.
