如何使用正則表示式和資料型別選擇多個 DataFrame 列

DataFrame 可以比作儲存在電子表格或資料庫中的資料集，具有行和列。DataFrame 是一個二維物件。

好的，對一維和二維術語感到困惑？

一維 (Series) 和二維 (DataFrame) 的主要區別在於，你需要多少個資訊點才能得到單個數據點。以 Series 為例，如果要提取一個值，只需要一個參考點，即行索引。

相比之下，對於表格 (DataFrame)，一個參考點不足以獲得資料點，需要行值和列值的交集。

下面的程式碼片段展示瞭如何從 csv 檔案建立 Pandas DataFrame。

.read_csv() 方法預設建立 DataFrame。 你可以在 kaggle.com 搜尋電影來下載電影資料集。

"""Script : Create a Pandas DataFrame from a csv file."""
import pandas as pd
movies_dataset pd read_csv "https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv")
# 1 print the type of object
type(movies_dataset)
# 2 print the top 5 records in a tabular format
movies_dataset head(5)

2. 選擇單個 DataFrame 列。將列名作為字串或列表傳遞給索引運算子將返回列值作為 Series 或 DataFrame。

如果我們傳入列名的字串，則輸出為 Series，但是，傳入只有一個列名的列表將返回 DataFrame。我們將透過示例說明這一點。

# select the data as series movies_dataset["title"]

0 Avatar
1 Pirates of the Caribbean: At World's End
2 Spectre
3 The Dark Knight Rises
4 John Carter
...
4798 El Mariachi
4799 Newlyweds
4800 Signed, Sealed, Delivered
4801 Shanghai Calling
4802 My Date with Drew
Name: title, Length: 4803, dtype: object

# select the data as DataFrame movies_dataset[["title"]]

3. 選擇多個 DataFrame 列。

# Multiple DataFrame columns movies_dataset[["title""runtime","vote_average","vote_count"]]

為了避免程式碼可讀性問題，我始終建議定義一個變數來儲存列名列表，並使用列名而不是在程式碼中指定多個列名。

columns=["title","runtime","vote_average","vote_count"]movies_dataset[columns]

4. 透過列名選擇 DataFrame 列。

.filter() 方法

此方法非常方便地使用字串搜尋和選擇列。它的工作方式與 SQL 中的 like %% 引數非常相似。請記住，.filter() 方法僅透過檢查列名而不是實際資料值來選擇列。

.filter() 方法支援三個可用於選擇操作的引數。

.like
.regex
.items

like parameter takes a string and attempts to find the column names that contain this string somewhere in the column name.

# Select the column that have a column name like "title" movies_dataset.filter(like="title").head(5)

.regex – 使用正則表示式選擇列名更靈活的方式

# Select the columns that end with "t"
movies_dataset.filter(regex=t).head()

.items – 與將列名作為字串或列表傳遞給索引運算子相同，只是不會引發 KeyError

按資料型別選擇 DataFrame 列。

如果您有興趣過濾和僅使用某些資料型別，則 .select_dtypes 方法適用於列資料型別。

同樣，.select_dtypes 方法在其 include 或 exclude 引數中接受多個數據型別（透過列表）或單個數據型別（作為字串），並返回一個只包含那些給定資料型別的列的 DataFrame。

.include 引數包含具有指定資料型別/型別的列，而 .exclude 將忽略具有指定資料型別的列。

讓我們首先檢視資料型別以及具有這些資料型別的列的數量

movies_dataset=pd.read_csv("https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv"
movies_dataset.dtypes.value_counts()

object 5
int64 4
float64 3
dtype: int64

a) 從 pandas DataFrame 中過濾整數資料型別。

movies_dataset select_dtypes(include="int")head(3)

b). 從 pandas DataFrame 中選擇整數和浮點資料型別。

您可以如下所示指定多個數據型別作為列表。

movies_dataset select_dtypes(include=["int64","float"]).head(3)

c) 好吧，如果您只需要所有數值資料型別，只需指定 number

movies_dataset select_dtypes(include=["number"]).head(3)

d). 從 pandas DataFrame 中排除某些資料型別。

movies_dataset select_dtypes(exclude=["object"]).head(3)

**注意**：沒有字串資料型別可處理，pandas 將它們轉換為物件，因此如果您遇到異常“TypeError: 資料型別“string”無法理解”，請將 string 替換為 Object。

Kiran P

更新於：2020年11月10日

684 次瀏覽

開啟你的職業生涯

完成課程獲得認證

開始