3 einfache Möglichkeiten, um eine Teilmenge eines Python-Datenrahmens zu erstellen
Hallo, Leser! In diesem Artikel werden wir uns ausführlich mit den verschiedenen Methoden zur Erstellung eines Teilmengen eines Python Dataframe beschäftigen.
Also, lassen Sie uns anfangen!
Zuerst, was ist ein Python Dataframe?
Das Python Pandas-Modul bietet uns zwei Datenstrukturen, nämlich Series und DataFrame, um die Werte zu speichern.
Ein Dataframe ist eine Datenstruktur, die die Daten in Form einer Matrix hält, d.h. sie enthält die Daten in der Werteform von Zeilen und Spalten. Daher können wir in Verbindung damit eine Teilmenge in den folgenden Formaten erstellen und darauf zugreifen:
- Daten gemäß den Zeilen als Teilmenge abrufen
- Daten entsprechend den Spalten als Teilmenge abrufen
- Greifen Sie auf spezifische Daten aus bestimmten Zeilen sowie Spalten als Teilmenge zu
Nachdem wir nun über Dataframes und Teilmengen Bescheid wissen, lassen Sie uns die verschiedenen Techniken verstehen, um eine Teilmenge aus einem Dataframe zu erstellen.
Ein DataFrame erstellen, um damit zu arbeiten!
Um Teilmengen eines Dataframes zu erstellen, müssen wir zunächst ein Dataframe erstellen. Lassen Sie uns das zuerst aus dem Weg räumen:
import pandas as pd
data = {"Roll-num": [10,20,30,40,50,60,70], "Age":[12,14,13,12,14,13,15], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']}
block = pd.DataFrame(data)
print("Original Data frame:\n")
print(block)
Ausgabe:
Original Data frame:
Roll-num Age NAME
0 10 12 John
1 20 14 Camili
2 30 13 Rheana
3 40 12 Joseph
4 50 14 Amanti
5 60 13 Alexa
6 70 15 Siri
Hier haben wir einen DataFrame mit der Methode pandas.DataFrame() erstellt. Wir werden den oben erstellten Datensatz im gesamten Artikel verwenden.
Lass uns anfangen!
1. Erstellen Sie eine Teilmenge eines Python-Datenrahmens mit der loc()-Funktion.
Die loc()-Funktion in Python ermöglicht es uns, eine Teilmenge eines Datenrahmens nach einer bestimmten Zeile, Spalte oder einer Kombination aus beidem zu bilden.
Die loc() Funktion arbeitet auf Basis von Labels, d.h. wir müssen ihr das Label der Zeile/Spalte geben, um auszuwählen und das benutzerdefinierte Teilset zu erstellen.
Syntax:
pandas.dataframe.loc[]
Beispiel 1: Daten bestimmter Zeilen eines Datenrahmens extrahieren
block.loc[[0,1,3]]
Ausgabe:
Wie unten zu sehen ist, haben wir eine Teilmenge erstellt, die alle Daten der Zeilen 0, 1 und 3 umfasst.
Roll-num Age NAME
0 10 12 John
1 20 14 Camili
3 40 12 Joseph
Beispiel 2: Erstellen Sie eine Teilmenge von Zeilen mit Slicing
block.loc[0:3]
Hier haben wir die Daten aller Zeilen von Index 0 bis Index 3 mit dem Slicing-Operator und der loc()-Funktion extrahiert.
Ausgabe:
Roll-num Age NAME
0 10 12 John
1 20 14 Camili
2 30 13 Rheana
3 40 12 Joseph
Beispiel 3: Erstellen Sie eine Teilmenge bestimmter Spalten mit Labels
block.loc[0:2,['Age','NAME']]
Ausgabe:
Age NAME
0 12 John
1 14 Camili
2 13 Rheana
Hier haben wir eine Teilmenge erstellt, die Daten aus den Zeilen 0 bis 2 enthält, aber nur einige spezifische Spalten betrifft, d.h. ‚Alter‘ und ‚NAME‘.
2. Die Verwendung der iloc() Funktion in Python zur Erstellung eines Teilmengen eines Dataframes.
Die Python iloc() Funktion ermöglicht es uns, Teilmengen zu erstellen, indem wir spezifische Werte aus Zeilen und Spalten basierend auf Indizes auswählen.
Das bedeutet, im Gegensatz zur loc()-Funktion, die mit Labels arbeitet, funktioniert die iloc()-Funktion mit Indexwerten. Wir können einen Teil eines Python-Datenrahmens aus den Daten auswählen und erstellen, indem wir die Indexnummern der Zeilen und Spalten angeben.
Syntax:
pandas.dataframe.iloc[]
Beispiel:
block.iloc[[0,1,3,6],[0,2]]
Hier haben wir ein Teilset erstellt, das die Daten der Zeilen 0, 1, 3 und 6 sowie die Spaltennummer 0 und 2, d.h. ‚Roll-num‘ und ‚NAME‘, umfasst.
Ausgabe:
Roll-num NAME
0 10 John
1 20 Camili
3 40 Joseph
6 70 Siri
3. Indexierungsoperator zum Erstellen eines Teilmengen eines DataFrames
Auf einfache Weise können wir einen Indexoperator, d.h. eckige Klammern, verwenden, um eine Teilmenge der Daten zu erstellen.
Syntax:
dataframe[['col1','col2','colN']]
Beispiel:
block[['Age','NAME']]
Hier haben wir alle Datenwerte der Spalten 'Alter' und 'NAME' ausgewählt.
Ausgabe:
Age NAME
0 12 John
1 14 Camili
2 13 Rheana
3 12 Joseph
4 14 Amanti
5 13 Alexa
6 15 Siri
Schlussfolgerung
Damit sind wir am Ende dieses Themas angekommen. Fühlen Sie sich frei, unten zu kommentieren, falls Sie auf irgendwelche Fragen stoßen. Für weitere solcher Beiträge zu Python bleiben Sie dran, und bis dahin, viel Spaß beim Lernen!! :)