[Python] So erhalten und ändern Sie Zeilen / Spalten / Werte aus einer Tabelle.
[Python] So erhalten und ändern Sie Zeilen / Spalten / Werte aus einer Tabelle
Aus einer mit Pandas DataFrame erstellten Tabelle ・ ** So extrahieren Sie das angegebene Element **
- ** Zusammenfassung, wie der Wert des angegebenen Elements geändert werden kann **.
**Inhaltsverzeichnis**
- [Spalte extrahieren](Spalte 1 extrahieren)
- [Spaltennamensliste extrahieren](# Spaltennamensliste extrahieren)
- [Nach Spaltenname extrahieren](# Nach Spaltennamen extrahieren)
- [Nach Spaltennummer extrahieren](# Nach Spaltennummer extrahieren)
- [Linie extrahieren](# 2 Linie extrahieren)
- [Zeilennamenliste extrahieren](# Zeilennamenliste extrahieren)
- [Nach Zeilennamen extrahieren](# Nach Zeilennamen extrahieren)
- [Nach Zeilennummer extrahieren](# Nach Zeilennummer extrahieren)
- [Element extrahieren](Element Nr. 3 extrahieren)
- [Daten ändern (Änderung durch Angabe des Elements)](# 4 Daten ändern)
## Tabelle zu verwenden Extrahieren Sie, indem Sie Elemente aus einer Tabelle angeben, die mit 4 Zeilen und 4 Spalten erstellt wurde.
▼ Zu verwendende Tabelle (der Variablen "df" zugeordnet)
Code zur Tabellenerstellung
import pandas as pd
listA = ['AAA', 'BBB', 'CCC', 'DDD']
listB = ['EEE', 'FFF', 'GGG', 'HHH']
listC = ['III', 'JJJ', 'KKK', 'LLL']
listD = ['MMM', 'NNN', 'OOO', 'PPP']
df = pd.DataFrame(listA)
df[1] = listB
df[2] = listC
df[3] = listD
df.columns = ['aaa', 'bbb', 'ccc', 'ddd']
df.index = [111,222,333,444]
df
Für Details zum Erstellen einer Tabelle klicken Sie hier ()
## 1. 1. Säulenextraktion ① Extraktion der Liste der Spaltennamen ② Nach Spaltennamen extrahieren ③ Extrahieren nach Spaltennummer
▼ ① Extrahieren Sie die Liste der Spaltennamen
Verwenden Sie die .columns -Methode
└ Extraktion der Liste der Spaltennamen
└ Die Ausgabe ist vom Typ Index / Int64Index usw.
└ Der Spaltentyp (dtype) wird ebenfalls ausgegeben
[Zu verwendende Tabelle und ihr Code](# Zu verwendende Tabelle)
Spaltennamen extrahieren
df.columns
#Ausgabe
# Index(['aaa', 'bbb', 'ccc', 'ddd'], dtype='object')
Die Ausgabe ist vom Typ Index.
▼ Der Indextyp kann aufgelistet sein.
Ausgabe als Listentyp
list(df.columns)
#Ausgabe
# ['aaa', 'bbb', 'ccc', 'ddd']
** ▼ Geben Sie nur die Überschrift der angegebenen Spaltennummer aus ** `df.columns[n]` └ "n": SEQ ID NO:
Auszug nach Spaltennummer
df.columns[2]
#Ausgabe
# 'ccc'
### ② Nach Spaltennamen extrahieren Es gibt drei Möglichkeiten, nach Spaltennamen zu schreiben ②-1. Df ['Spaltenname'] ②-2. Df. Spaltenname ②-3. Df.loc [:, ['Spaltenname']]
- Df ist eine Variable mit einer Tabelle
- Für den Spaltennamen "df. Spaltenname" sind keine Kontingente oder Klammern erforderlich. Ein Fehler tritt auf, wenn der Spaltenname nicht so beschrieben wird, wie er ist.
Extrahieren nach Spaltenname ①
df['bbb']
#Ausgabe
111 EEE
222 FFF
333 GGG
444 HHH
Name: bbb, dtype: object
Extrahieren nach Spaltenname ②
df.bbb
#Ausgabe
111 EEE
222 FFF
333 GGG
444 HHH
Name: bbb, dtype: object
Selbst für Zeichenketten ist kein Kontingent erforderlich. Wenn Sie es einschalten, tritt ein Fehler auf.
Error
df.'bbb'
#Ausgabe
# invalid syntax
** ▼ Mit loc-Methode extrahieren **
df.loc[:, ['aaa', 'bbb',,,]]
└ "loc []": loc-Methode
└ ":,": Kein Zeilenname angegeben
└ "['aaa', 'bbb' ,,,]": Geben Sie den Spaltennamen an, den Sie extrahieren möchten.
Extrahieren nach Spaltenname ③ (loc)
df.loc[:, ['bbb', 'ccc']]
bbb ccc
111 EEE III
222 FFF JJJ
333 GGG KKK
444 HHH LLL
- Wenn nur eine Spalte vorhanden ist, kann [] vorhanden sein oder nicht.
- Änderungen des Ausgabeformats (Spaltenname, D-Typ usw.)
df.loc[:, 'aaa']=df.loc[:, ['aaa']]
### ③ Extrahieren nach Spaltennummer `iloc[:,[n,x,,,]]` └ "iloc []": Geben Sie die Spaltennummer an └ ":,": Keine Zeile angegeben └ "n" "x": Spaltennummer └ Slice [n: x] kann nicht verwendet werden (Fehler)
Mit iloc extrahieren
df.iloc[:, [1,2]]
#Ausgabe
bbb ccc
111 EEE III
222 FFF JJJ
333 GGG KKK
444 HHH LLL
- Wenn nur eine Spalte vorhanden ist, kann [] vorhanden sein oder nicht.
- Änderungen des Ausgabeformats (Spaltenname, D-Typ usw.)
df.loc[:, 2]=df.loc[:, [2]]
** ▼ Nur eine Spalte extrahieren **
Mit iloc extrahieren (nur eine Spalte ①)
df.iloc[:, 2]
#Ausgabe
111 III
222 JJJ
333 KKK
444 LLL
Name: ccc, dtype: object
Mit iloc extrahieren (nur eine Spalte ②)
df.iloc[:, [2]]
#Ausgabe
ccc
111 III
222 JJJ
333 KKK
444 LLL
## 2. Zeilenextraktion ① Extraktion der Zeilennamenliste ② Nach Zeilennamen extrahieren ③ Extrahieren Sie nach Zeilennummer
▼ ① Extraktion der Zeilennamenliste
Verwenden Sie die Methode ".index" └ Extraktion der Liste der Spaltennamen └ Die Ausgabe ist vom Typ Index / Int64Index usw. └ Der Spaltentyp (dtype) wird ebenfalls ausgegeben
[Zu verwendende Tabelle und ihr Code](# Zu verwendende Tabelle)
Zeilennamen extrahieren
df.index
#Ausgabe
# Int64Index([111, 222, 333, 444], dtype='int64')
In diesem Fall ist die Ausgabe vom Typ Int64Index.
▼ index / int64 Der Indextyp kann aufgelistet werden.
Ausgabe als Listentyp
list(df.index)
#Ausgabe
# [111, 222, 333, 444]
** ▼ Geben Sie nur die Überschrift der angegebenen Zeilennummer aus ** `df.index[n]` └ "n": Zeilennummer
Auszug nach Zeilennummer
df.index[2]
#Ausgabe
# '333'
### ② Nach Zeilennamen extrahieren `df.loc[['aaa', 'bbb',,,,]]` └ "df": Variable mit Tabelle └ ".loc []": So geben Sie Zeilen- / Spaltennamen an └ "aaa" "bbb": Zeilenname
Nach Zeilennamen extrahieren
df.loc[[111,333,444]]
#Ausgabe
aaa bbb ccc ddd
111 AAA EEE III MMM
333 CCC GGG KKK OOO
444 DDD HHH LLL PPP
** ▼ Nach der angegebenen Zeile extrahieren ** `df.loc [Zeilenname:]`
Nach der angegebenen Zeile extrahieren
df.loc[333:]
#Ausgabe
aaa bbb ccc ddd
333 CCC GGG KKK OOO
444 DDD HHH LLL PPP
** ▼ Bei nur einer Zeile ** -Eine Linie wird in zwei Mustern beschrieben. -Das Ausgabeformat ändert sich (Spaltenname, dtype usw.) `df.loc[[111]]` `df.loc[111]` └ Doppelte Klammern sind leichter zu erkennen.
** ▼ Beispiel für `df.loc [[111]]` **
Mit loc extrahieren (nur eine Spalte ①)
df.loc[[111]]
#Ausgabe
aaa bbb ccc ddd
111 AAA EEE III MMM
** ▼ Beispiel für df.loc [111] **
Mit loc extrahieren (nur eine Spalte ②)
df.loc[111]
#Ausgabe
aaa AAA
bbb EEE
ccc III
ddd MMM
Name: 111, dtype: object
③ Extrahieren Sie nach Zeilennummer
③-1. df[n:m:l]
③-2. df.iloc[[n,m,,,,]]
（3-1）df[n:m:l]
Geben Sie die Zeilen an, die mithilfe von Slices extrahiert werden sollen.
└ "df": Variable mit Tabelle
└ "n": Startwert
└ "m": Endpreis
└ "l": Änderungsbetrag
・ "N" und "l" können weggelassen werden.
** ▼ Beispiel: df [1: 3] ** Extrahieren Sie die 1. und 2. Zeile. Enthält nicht die 3. Zeile (da die Verarbeitung in der 3. Zeile endet)
Zeilenextraktion
df[1:3]
#Ausgabe
aaa bbb ccc ddd
222 BBB FFF JJJ NNN
333 CCC GGG KKK OOO
** ▼ Beispiel: Geben Sie den Änderungs- und Extraktionsbetrag an **
df[1:5:2]
Extrahieren Sie aus der 1. bis 4. Zeile die Zeilen mit um 2 erhöhten Zahlen.
Zeilenextraktion
df[1:5:2]
#Ausgabe
aaa bbb ccc ddd
222 BBB FFF JJJ NNN
444 DDD HHH LLL PPP
** ▼ Wenn der Anfangswert weggelassen wird ** Der Anfangswert wird als 0 betrachtet, und die Zeilen bis zur angegebenen Zahl (eine vor) von oben können extrahiert werden.
df[:3]
Extrahieren Sie von 0 bis 2. Zeile.
Zeilenextraktion
df[:3]
#Ausgabe
aaa bbb ccc ddd
111 AAA EEE III MMM
222 BBB FFF JJJ NNN
333 CCC GGG KKK OOO
### (3-2) Mit iloc extrahieren
df.iloc[[n,m,,,]]
└ "df": Variable mit Tabelle
└ ".iloc []": Methode, die durch die Zeilen- / Spaltennummer angegeben wird
└ "n" "m": Geben Sie die Zeilennummer an
- [] Die Angabe der Zeilennummer ist erforderlich
- Slices können nicht verwendet werden.
▼ Beispiel: `df.iloc [[1,3]]`
Angegeben durch Zeilennummer
df.iloc[[1,3]]
#Ausgabe
aaa bbb ccc ddd
222 BBB FFF JJJ NNN
444 DDD HHH LLL PPP
#### Beim Extrahieren nur einer Zeile Es gibt zwei Beschreibungsmuster. `df.iloc[[n]]` `df.iloc[n]`
Unterschied in der Anzahl von []. Das Ausgabeergebnis ist jeweils unterschiedlich. └ Die Ausgabe ist mit df.iloc [[n]] leichter zu sehen.
** ▼ Beispiel: df.iloc [[n]] **
Ausgabe für doppelte Klammern.
Angegeben durch Zeilennummer
df.iloc[[3]]
#Ausgabe
aaa bbb ccc ddd
444 DDD HHH LLL PPP
** ▼ Beispiel: `df.iloc [n]` ** Ausgabe für einzelne Klammern.
Angegeben durch Zeilennummer
df.iloc[3]
#Ausgabe
aaa DDD
bbb HHH
ccc LLL
ddd PPP
Name: 444, dtype: object
## 3. 3. Extraktion von Elementen Es gibt vier Hauptmethoden. ①loc ②iloc ③at ④iat
** ■ Es kann grob in zwei Typen eingeteilt werden, "loc" und "at" **
- "Loc": Nach Bereich angeben. Sie können auch mehrere Zeilen und Spalten abrufen.
- "At": Nur einen Elementpunkt ermitteln.
〇Zusatz: "at" ist schneller.
** ■ Vorhandensein oder Nichtvorhandensein von "i" ** Mit oder ohne das "i" am Anfang können Sie wählen, ob Sie nach Name oder nach Nummer angeben möchten.
・ Keine: Matrixname ・ Ja: Matrixnummer
### ▼ Extraktionsquellentabelle 
Code zur Tabellenerstellung
import pandas as pd
listA = ['AAA', 'BBB', 'CCC', 'DDD']
listB = ['EEE', 'FFF', 'GGG', 'HHH']
listC = ['III', 'JJJ', 'KKK', 'LLL']
listD = ['MMM', 'NNN', 'OOO', 'PPP']
df = pd.DataFrame(listA)
df[1] = listB
df[2] = listC
df[3] = listD
df.columns = ['aaa', 'bbb', 'ccc', 'ddd']
df.index = [111,222,333,444]
df
(3-1) loc
df.loc ['Zeilenname', 'Spaltenname']
loc
df.loc[333,'bbb']
#Ausgabe
# 'GGG'
(3-2) iloc `df.iloc ['Zeilennummer', 'Spaltennummer']`
iloc
df.iloc[2,1]
#Ausgabe
# 'GGG'
(3-3) at `df.at ['Zeilenname', 'Spaltenname']`
at
df.at[333,'bbb']
#Ausgabe
# 'GGG'
(3-4) iat `df.at ['Zeilennummer', 'Spaltennummer']`
iat
df.iat[2,1]
#Ausgabe
# 'GGG'
## 4. Datenänderung ### Ändern Sie durch Angabe eines Elements Wenn Sie ein Element angeben und ersetzen, werden die Daten ersetzt. Es gibt vier Hauptmethoden.
①loc ②iloc ③at ④iat
Details
** ■ Es kann grob in zwei Typen eingeteilt werden, "loc" und "at" **
- "Loc": Nach Bereich angeben. Sie können auch mehrere Zeilen und Spalten abrufen.
- "At": Nur einen Elementpunkt ermitteln.
** ■ Vorhandensein oder Nichtvorhandensein von "i" **
Mit oder ohne das "i" am Anfang können Sie wählen, ob Sie nach Name oder nach Nummer angeben möchten.
・ Keine: Matrixname
・ Ja: Matrixnummer
** ■ Vorhandensein oder Nichtvorhandensein von "i" ** Mit oder ohne das "i" am Anfang können Sie wählen, ob Sie nach Name oder nach Nummer angeben möchten.
・ Keine: Matrixname ・ Ja: Matrixnummer
### Originaltisch Verwenden Sie die folgende Tabelle, um die Daten neu zu schreiben. 
Code zur Tabellenerstellung
import pandas as pd
listA = ['AAA', 'BBB', 'CCC', 'DDD']
listB = ['EEE', 'FFF', 'GGG', 'HHH']
listC = ['III', 'JJJ', 'KKK', 'LLL']
listD = ['MMM', 'NNN', 'OOO', 'PPP']
df = pd.DataFrame(listA)
df[1] = listB
df[2] = listC
df[3] = listD
df.columns = ['aaa', 'bbb', 'ccc', 'ddd']
df.index = [111,222,333,444]
df
(4-1) loc
loc
df.loc[333,'bbb'] = '@@@'
df
#Ausgabe
aaa bbb ccc ddd
111 AAA EEE III MMM
222 BBB FFF JJJ NNN
333 CCC @@@ KKK OOO
444 DDD HHH LLL PPP
(4-2) iloc
iloc
df.iloc[2,1] = '★★'
df
#Ausgabe
aaa bbb ccc ddd
111 AAA EEE III MMM
222 BBB FFF JJJ NNN
333 CCC ★★ KKK OOO
444 DDD HHH LLL PPP
(4-3) at
at
df.at[333,'bbb'] = 999
df
#Ausgabe
aaa bbb ccc ddd
111 AAA EEE III MMM
222 BBB FFF JJJ NNN
333 CCC 999 KKK OOO
444 DDD HHH LLL PPP
(4-4) iat
iat
df.iat[2,1] = '※※'
df
#Ausgabe
aaa bbb ccc ddd
111 AAA EEE III MMM
222 BBB FFF JJJ NNN
333 CCC ※※ KKK OOO
444 DDD HHH LLL PPP
### ■ Ändern Sie den Zeilennamen und den Spaltennamen ① Beim Erstellen einer Tabelle Verwenden Sie DataFrame-Optionen · Spalten: Spaltenoption · Zeile: Indexoption
② Später (gemeinsam) -Columns: Spaltenmethode -Line: Indexmethode
③ Später (bezeichnet) -Methode umbenennen └ "Spalten = {}": Spaltennamen ändern └ "index = {}": Zeilennamen ändern
** ▶ So ändern Sie den Zeilennamen und den Spaltennamen hier **
> Offizielle Seite - [Pandas.DataFrame.loc](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.html#pandas.DataFrame.loc) ・ [Pandas.DataFrame.iloc](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iloc.html#pandas.DataFrame.iloc) ・ [Pandas.DataFrame.at](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.at.html#pandas.DataFrame.at) ・ [Pandas.DataFrame.iat](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iat.html#pandas.DataFrame.iat)
[Zurück zum Anfang](# So erhalten und ändern Sie Matrixwerte aus der Python-Tabelle)
Recommended Posts