Tabele în Python -Interogări

În secțiunea 13.1 am învățat cum să scriem interogări simple pentru a potrivi selectiv doar anumite elemente ale unei Series. Aceeași tehnică ne este disponibilă cu DataFrames, doar că este mai puternică, deoarece există mai multe coloane cu care să lucrați simultan.

Să revenim la exemplul Simpsons, care este reprodus aici:

▐ species age gender fave IQ hair salary 
▐ name 
▐ Homer human 36 M beer 74.0 none 52000.0 
▐ Marge human 34 F helping others 120.0 stacked tall 0.0 
▐ Bart human 10 M skateboard 90.0 buzz 0.0 
▐ Lisa human 8 F saxophone 200.0 curly 0.0 
▐ Maggie human 1 F pacifier 100.0 curly 0.0 
▐ SLH dog 4 M NaN 100.0 shaggy 0.0

Putem filtra acest lucru pe anumite rânduri incluzând o interogare în boxies:

adults = simpsons[simpsons.age > 18]

▐ species age gender fave IQ hair salary 
▐ name 
▐ Homer human 36 M beer 74.0 none 52000.0 
▐ Marge human 34 F helping others 120.0 stacked tall 0.0

Ca și în cazul Serieses, nu putem uita să repetăm ​​numele variabilei („simpsons”) înainte de a da criteriile de interogare („> 18”). Spre deosebire de Series, specificăm și un nume de coloană („age”) pe care dorim să-l interogăm.

De asemenea, putem oferi condiții compuse în același mod ca înainte (secțiunea 13.1). Dacă vrem doar copii umani, spunem:

kids = simpsons[(simpsons.age <= 18) & (simpsons.species == "human")]

▐ species age gender fave IQ hair salary 
▐ name 
▐ Bart human 10 M skateboard 90.0 buzz 0.0 
▐ Lisa human 8 F saxophone 200.0 curly 0.0 
▐ Maggie human 1 F pacifier 100.0 curly 0.0

în timp ce dacă vrem pe toți cei inteligenți și/sau bătrâni, spunem:

old_andor_wise = simpsons[(simpsons.IQ > 100) | (simpsons.age > 30)]

▐ species age gender fave IQ hair salary 
▐ name 
▐ Homer human 36 M beer 74.0 none 52000.0 
▐ Marge human 34 F helping others 120.0 stacked tall 0.0 
▐ Lisa human 8 F saxophone 200.0 curly 0.0

Pentru a o restrânge doar la anumite coloane, putem combina interogarea noastră cu sintaxa din secțiunea 17.1. Vedeți, interogarea noastră ne-a oferit un alt DataFrame (mai scurt), care are aceleași drepturi și privilegii ca orice alt DataFrame. Așadar, luarea unei alte perechi de boxies ne oferă doar o coloană:

print(simpsons[simpsons.age > 18]['fave'])

▐ name 
▐ Homer beer 
▐ Marge helping others 
▐ Name fave, dtype: object

în timp ce folosind boxies duble ne oferă coloanele:

print(simpsons[simpsons.age > 18][['fave','gender','IQ']])

▐ fave gender IQ 
▐ name 
▐ Homer beer M 74.0 
▐ Marge helping others F 120.0

Rețineți că în primul dintre aceste cazuri, am primit o Series înapoi, în timp ce în al doilea (cu casetele duble) am primit un DataFrame cu mai multe coloane.

Combinarea tuturor acestor operațiuni necesită practică, dar vă permite să feliați și tăiați un DataFrame în nenumărate moduri diferite.

Sursa: Stephen Davies, The Crystal Ball – Instruction Manual, Vol. 1: Introduction to Data Science, v. 1.1. Copyright © 2021 Stephen Davies. Licența CC BY-SA 4.0. Traducere și adaptare: Nicolae Sfetcu. © 2024 MultiMedia Publishing, Introducere în Știința Datelor, Volumul 1