[Python] Comment obtenir et modifier les lignes / colonnes / valeurs d'une table.

[Python] Comment obtenir et modifier les lignes / colonnes / valeurs d'une table

À partir d'une table créée avec Pandas DataFrame ・ ** Comment extraire l'élément spécifié **

• ** Résumé de la modification de la valeur de l'élément spécifié **.

1. [Extraire la colonne](Extraire la colonne n ° 1)
2. [Extraire la liste des noms de colonnes](# Extraire la liste des noms de colonnes)
3. [Extraire par nom de colonne](# Extraire par nom de colonne)
4. [Extraire par numéro de colonne](# Extraire par numéro de colonne)
5. [Extract line](# 2 extract line)
6. [Extraire la liste des noms de ligne](# Extraire la liste des noms de ligne)
7. [Extraire par nom de ligne](# Extraire par nom de ligne)
8. [Extraire par numéro de ligne](# Extraire par numéro de ligne)
9. [Extract Element](# 3 Extract Element)
   1. loc
   2. iloc
   3. at
   4. iat
10. [Modifier les données (modifier en spécifiant l'élément)](# 4 Modifier les données)
    1. loc
    2. iloc
    3. at
    4. iat

▼ Table à utiliser (affectée à la variable "df")

Code de création de table

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

Pour plus de détails sur la création d'un tableau, cliquez ici ()

▼ ① Extraire la liste des noms de colonnes

Utilisez la méthode .columns └ Extraction de la liste des noms de colonnes └ La sortie est de type Index / Int64Index, etc. └ Le type de colonne (dtype) est également affiché

[Table à utiliser et son code](#Table à utiliser)

Extraire les noms de colonnes

df.columns

#production
# Index(['aaa', 'bbb', 'ccc', 'ddd'], dtype='object')

La sortie sera de type Index.

▼ Le type d'index peut être une liste.

Sortie en tant que type de liste

list(df.columns)

#production
# ['aaa', 'bbb', 'ccc', 'ddd']

Extraire par numéro de colonne

df.columns[2]

#production
# 'ccc'

• Df est une variable avec une table
• Aucun quota ou parenthèse n'est requis pour le nom de colonne "df. Nom de colonne". Une erreur se produit si le nom de la colonne n'est pas décrit tel quel.

Extraire par nom de colonne ①

df['bbb']

#production
111    EEE
222    FFF
333    GGG
444    HHH
Name: bbb, dtype: object

Extraire par nom de colonne ②

df.bbb

#production
111    EEE
222    FFF
333    GGG
444    HHH
Name: bbb, dtype: object

Aucun quota n'est requis, même pour les chaînes de caractères. Si vous l'activez, une erreur se produira.

Erreur

df.'bbb'

#production
# invalid syntax

df.loc[:, ['aaa', 'bbb',,,]] └ "loc []": méthode loc └ ":,": aucun nom de ligne spécifié └ "['aaa', 'bbb' ,,,]": spécifiez le nom de la colonne à extraire.

Extraire par nom de colonne ③ (loc)

df.loc[:, ['bbb', 'ccc']]

	bbb	ccc
111	EEE	III
222	FFF	JJJ
333	GGG	KKK
444	HHH	LLL

• S'il n'y a qu'une seule colonne, [] peut être présent ou non.
• Changements de format de sortie (nom de la colonne, dtype, etc.) df.loc[:, 'aaa']=df.loc[:, ['aaa']]

Extrait avec iloc

df.iloc[:, [1,2]]


#production

	bbb	ccc
111	EEE	III
222	FFF	JJJ
333	GGG	KKK
444	HHH	LLL

• S'il n'y a qu'une seule colonne, [] peut être présent ou non.
• Changements de format de sortie (nom de la colonne, dtype, etc.) df.loc[:, 2] = df.loc[:, [2]]

** ▼ Extraire une seule colonne **

Extraire avec iloc (une seule colonne ①)

df.iloc[:, 2]


#production

111    III
222    JJJ
333    KKK
444    LLL
Name: ccc, dtype: object

Extraire avec iloc (une seule colonne ②)

df.iloc[:, [2]]


#production

	ccc
111	III
222	JJJ
333	KKK
444	LLL

▼ ① Extraction de la liste des noms de ligne

Utilisez la méthode .index └ Extraction de la liste des noms de colonnes └ La sortie est de type Index / Int64Index, etc. └ Le type de colonne (dtype) est également affiché

[Table à utiliser et son code](#Table à utiliser)

Extraire le nom de la ligne

df.index

#production
# Int64Index([111, 222, 333, 444], dtype='int64')

Dans ce cas, la sortie sera de type Int64Index.

▼ index / int64 Le type d'index peut être une liste.

Sortie en tant que type de liste

list(df.index)

#production
# [111, 222, 333, 444]

Extraire par numéro de ligne

df.index[2]

#production
# '333'

Extraire par nom de ligne

df.loc[[111,333,444]]

#production

	aaa	bbb	ccc	ddd
111	AAA	EEE	III	MMM
333	CCC	GGG	KKK	OOO
444	DDD	HHH	LLL	PPP

Extraire après la ligne spécifiée

df.loc[333:]


#production

	aaa	bbb	ccc	ddd
333	CCC	GGG	KKK	OOO
444	DDD	HHH	LLL	PPP

Extraire avec loc (une seule colonne ①)

df.loc[[111]]

#production

	aaa	bbb	ccc	ddd
111	AAA	EEE	III	MMM

** ▼ Exemple de df.loc [111] **

Extraire avec loc (une seule colonne ②)

df.loc[111]


#production

aaa    AAA
bbb    EEE
ccc    III
ddd    MMM
Name: 111, dtype: object

③ Extrait par numéro de ligne

③-1. df[n:m:l] ③-2. df.iloc[[n,m,,,,]]

（3-1）df[n:m:l] Spécifiez les lignes à extraire à l'aide de tranches. └ "df": variable avec table └ "n": valeur de départ └ "m": Prix final └ "l": montant du changement

・ «N» et «l» peuvent être omis.

À propos de Slice

Extraction de lignes

df[1:3]

#production

	aaa	bbb	ccc	ddd
222	BBB	FFF	JJJ	NNN
333	CCC	GGG	KKK	OOO

df[1:5:2] De la 1ère à la 4ème ligne, extrayez les lignes avec des nombres augmentés de 2.

Extraction de lignes

df[1:5:2]

#production

	aaa	bbb	ccc	ddd
222	BBB	FFF	JJJ	NNN
444	DDD	HHH	LLL	PPP

df[:3] Extrait de 0 à 2ème ligne.

Extraction de lignes

df[:3]

#production

	aaa	bbb	ccc	ddd
111	AAA	EEE	III	MMM
222	BBB	FFF	JJJ	NNN
333	CCC	GGG	KKK	OOO

df.iloc[[n,m,,,]] └ "df": variable avec table └ ".iloc []": méthode spécifiée par le numéro de ligne / colonne └ "n" "m": spécifiez le numéro de ligne

• [] Le numéro de ligne est obligatoire
• Les tranches ne peuvent pas être utilisées.

Spécifié par numéro de ligne

df.iloc[[1,3]]

#production
	aaa	bbb	ccc	ddd
222	BBB	FFF	JJJ	NNN
444	DDD	HHH	LLL	PPP

Différence du nombre de []. Le résultat de sortie est différent pour chacun. └ La sortie est plus facile à voir avec df.iloc [[n]].

** ▼ Exemple: df.iloc [[n]] ** Sortie pour les doubles parenthèses.

Spécifié par numéro de ligne

df.iloc[[3]]

#production
	aaa	bbb	ccc	ddd
444	DDD	HHH	LLL	PPP

Spécifié par numéro de ligne

df.iloc[3]

#production
aaa    DDD
bbb    HHH
ccc    LLL
ddd    PPP
Name: 444, dtype: object

** ■ Il peut être grossièrement classé en deux types, "loc" et "at" **

• "Loc": spécifiez par plage. Vous pouvez également obtenir plusieurs lignes et colonnes.
• "At": n'obtient qu'un seul élément.

〇Supplément: "at" est plus rapide.

** ■ Présence ou absence de «i» ** Avec ou sans le "i" au début, vous pouvez choisir de spécifier par nom ou par numéro.

・ Aucun: nom de la matrice ・ Oui: numéro de matrice

Code de création de table

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 ['nom de ligne', 'nom de colonne']

loc

df.loc[333,'bbb']

#production
# 'GGG'

iloc

df.iloc[2,1]

#production
# 'GGG'

at

df.at[333,'bbb']

#production
# 'GGG'

iat

df.iat[2,1]

#production
# 'GGG'

①loc ②iloc ③at ④iat

<détails>

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

df.loc[333,'bbb'] = '@@@'
df

#production

	aaa	bbb	ccc	ddd
111	AAA	EEE	III	MMM
222	BBB	FFF	JJJ	NNN
333	CCC	@@@	KKK	OOO
444	DDD	HHH	LLL	PPP

df.iloc[2,1] = '★★'
df

#production

	aaa	bbb	ccc	ddd
111	AAA	EEE	III	MMM
222	BBB	FFF	JJJ	NNN
333	CCC	★★	KKK	OOO
444	DDD	HHH	LLL	PPP

df.at[333,'bbb'] = 999
df

#production

	aaa	bbb	ccc	ddd
111	AAA	EEE	III	MMM
222	BBB	FFF	JJJ	NNN
333	CCC	999	KKK	OOO
444	DDD	HHH	LLL	PPP

df.iat[2,1] = '※※'
df

#production

	aaa	bbb	ccc	ddd
111	AAA	EEE	III	MMM
222	BBB	FFF	JJJ	NNN
333	CCC	※※	KKK	OOO
444	DDD	HHH	LLL	PPP