[PYTHON] J'ai écrit le fonctionnement de base de Pandas dans Jupyter Lab (partie 1)

Cet article est un article dans lequel j'ai en fait codé le fonctionnement de base de Pandas décrit dans le blog de Kame (@usdatascientist) (https://datawokagaku.com/python_for_ds_summary/) en utilisant Jupyter Lab.

Résumé des opérations de base de Pandas

10e

import pandas as pd
import numpy as np

Series

data = {'name':'John', 'sex':'male', 'age': 22}
john_s = pd.Series(data)
print(john_s)

name    John
sex     male
age       22
dtype: object

array = np.array([10,20,30])
pd.Series(array)

0    10
1    20
2    30
dtype: int64

array = np.array([10,20,30])
labels = ['a','b','c']
pd.Series(array, labels)

a    10
b    20
c    30
dtype: int64

11ème

Comment créer un DataFrame

Fabriquer à partir de ndarray

data = {'name':'John', 'sex':'male', 'age': 22}
john_s = pd.Series(data)
print(john_s)
print(john_s['age'])

name    John
sex     male
age       22
dtype: object
22

ndarray = np.random.randint(5, size=(5,4))
pd.DataFrame(data=ndarray)

columns = ['a','b','c','d']
index = np.arange(0,50,10)
pd.DataFrame(data=ndarray, index=index, columns=columns)

Faire à partir du dictionnaire

data1 = {
    'name':'John',
    'sex':'male',
    'age':22
}
data2 = {
    'name':'Zack',
    'sex':'male',
    'age':30
}
data3 ={
    'name':'Emily',
    'sex':'female',
    'age':32
}
pd.DataFrame([data1, data2, data3])

df = pd.read_csv('train.csv')
df.head()

12ème

Afficher les 5 premières lignes avec .head ()

df.head()

Vérifier les statistiques avec .describe ()

df.describe()

type(df.describe()) #le type est DataFrame

pandas.core.frame.DataFrame

Afficher la liste des colonnes en .columns

df.columns

Index(['PassengerId', 'Survived', 'Pclass', 'Name', 'Sex', 'Age', 'SibSp',
       'Parch', 'Ticket', 'Fare', 'Cabin', 'Embarked'],
      dtype='object')

type(df.columns) #le type est index

pandas.core.indexes.base.Index

df.index #Il y a aussi un index.

RangeIndex(start=0, stop=891, step=1)

Obtenez la série avec une colonne spécifique englobée par le crochet [].

df['Age'].head()

0    22.0
1    38.0
2    26.0
3    35.0
4    35.0
Name: Age, dtype: float64

type(df['Age'])

pandas.core.series.Series

Mettez une liste de colonnes entre crochets [] et extrayez plusieurs colonnes à la fois

df[['Age','Parch','Fare']].head()

Obtenez une ligne spécifique dans Series avec .iloc [int]

df.iloc[888] #index location

PassengerId                                         889
Survived                                              0
Pclass                                                3
Name           Johnston, Miss. Catherine Helen "Carrie"
Sex                                              female
Age                                                 NaN
SibSp                                                 1
Parch                                                 2
Ticket                                       W./C. 6607
Fare                                              23.45
Cabin                                               NaN
Embarked                                              S
Name: 888, dtype: object

df.iloc[888]['Age']

nan

np.isnan(df.iloc[888]['Age'])

True

np.random.seed(1)
ndarray = np.random.randint(10, size=(5,5))
columns = [0,1,2,3,4]
index = ['a','b','c','d','e']
df_1 = pd.DataFrame(data=ndarray, index=index, columns=columns)
df_1

df_1[0] 

a    5
b    0
c    2
d    2
e    1
Name: 0, dtype: int64

df_1.loc['c'] #Lorsque la ligne n'est pas int['str']À.

0    2
1    4
2    5
3    2
4    4
Name: c, dtype: int64

Supprimer certaines lignes et colonnes avec le découpage

Drop index = 0 (0ème colonne)

df.drop(0) .head()

Abandonnez la colonne «Âge»

df.drop('Age', axis=1) .head()

Lors de la suppression de plusieurs colonnes, transmettez la liste comme argument .drop ([]). Drop ne modifie pas le df d'origine

df.drop(['Age','PassengerId'], axis=1) .head()

df.head()#Drop ne modifie pas le df d'origine

Il existe deux façons d'écraser df. Le paramètre place = True modifiera le DataFrame d'origine

df = pd.read_csv('train.csv')
df.drop(['Age', 'Cabin'], axis=1, inplace=True) 

df .head()

df = pd.read_csv('train.csv')
df = df.drop(['Age', 'Cabin'], axis=1)

id(df)

140285150057616

Obtenez plusieurs lignes avec le tranchage

df.iloc[5:10]

13e

Filtrer le DataFrame selon des conditions spécifiques

df = pd.read_csv('train.csv')
df = df['Survived'] == 1#Filtrer les survivants
df.head()

0    False
1     True
2     True
3     True
4    False
Name: Survived, dtype: bool

filter = df['Survived'] ==1 #Mettez-le dans une variable appelée filtre
df = df[filter]
df.head()

df = df[df['Survived'] ==1] #C'est plus courant
df.head()

df[df['Survived'] ==1].describe() #Décrivez uniquement les données sur les survivants

df.describe() #données brutes

df[df['Age'] >= 60].describe() #'Age'>=60 seulement

df[(df['Age']>=60) & (df['Sex']=='female')] #Données pour les femmes de plus de 60 ans uniquement

df[(df['Pclass']==1) | (df['Age']<10)] #Données pour 1re classe ou moins de 10 ans uniquement
df.head()

Si ~ (squiggle) est ajouté, il peut être filtré par l'opération NOT.

data =[{'Name':'John', 'Survived':True},
      {'Name':'Emily', 'Survived':False},
      {'Name':'Ben', 'Survived':True}]
df = pd.DataFrame(data)
df

Il est souvent utilisé lors du filtrage par une colonne dont la valeur est booléenne.

df[df['Survived']==True] 

Étant donné que la colonne Survived est déjà booléenne, == True n'est pas nécessaire. Puisque df ['Survived'] est déjà une série booléenne, vous pouvez la filtrer comme indiqué à gauche.

df[df['Survived']] 

Si vous voulez vous limiter à Survived == False, vous pouvez faire ce qui suit sans avoir à faire df [df ['Survived' == False]

df[~df['Survived']] 

Changer d'index

Réallouer l'index avec .reset_index ()

df = pd.read_csv('train.csv')
df = df[df['Sex']=='male']
df.head() #l'index est disjoint

Aligner les index

Comme avec .drop (), le df d'origine n'est pas écrasé, donc si vous voulez mettre à jour df, réaffectez-le avec inplace = True ou df = df.reset_index ().

df.reset_index() .head()

Utilisez .set_index () pour indexer une colonne spécifique

Définir l'index sur «Nom»

Comme avec .reset_index (), vous pouvez écraser le df original avec inplace = True.

df.set_index('Name').head()