रेगेक्सपी और डेटाटाइप का उपयोग करके एकाधिक डेटाफ्रेम कॉलम का चयन कैसे करें

डेटाफ़्रेम की तुलना स्प्रेडशीट में रखे गए डेटा सेट या पंक्तियों और स्तंभों वाले डेटाबेस से की जा सकती है। DataFrame एक 2D ऑब्जेक्ट है।

ठीक है, 1D और 2D शब्दावली से भ्रमित हैं?

1D (श्रृंखला) और 2D (डेटाफ़्रेम) के बीच मुख्य अंतर जानकारी के बिंदुओं की संख्या है जो आपको किसी एकल डेटा बिंदु पर पहुंचने के लिए आवश्यक है। यदि आप एक श्रृंखला का उदाहरण लेते हैं, और एक मान निकालना चाहते हैं, तो आपको केवल एक संदर्भ बिंदु यानी पंक्ति अनुक्रमणिका की आवश्यकता है।

किसी तालिका (डेटाफ़्रेम) की तुलना में, डेटा बिंदु तक पहुंचने के लिए संदर्भ का एक बिंदु पर्याप्त नहीं है, आपको पंक्ति मान और स्तंभ मान के प्रतिच्छेदन की आवश्यकता है।

नीचे दिए गए स्निपेट से पता चलता है कि csv फ़ाइल से पांडा डेटाफ़्रेम कैसे बनाया जाता है।

.read_csv() विधि डिफ़ॉल्ट रूप से डेटाफ़्रेम बनाती है। आप मूवी खोज कर kaggle.com से मूवी डेटासेट डाउनलोड कर सकते हैं।

"""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. एकल डेटाफ़्रेम कॉलम का चयन करना। कॉलम नाम को एक स्ट्रिंग या सूची के रूप में इंडेक्स ऑपरेटर को पास करने से कॉलम मान या तो सीरीज़ या डेटाफ़्रेम के रूप में वापस आ जाएगा।

यदि हम कॉलम नाम के साथ एक स्ट्रिंग में पास करते हैं, तो आपको आउटपुट के रूप में एक श्रृंखला मिलेगी, हालांकि, केवल एक कॉलम नाम के साथ सूची को पास करने से डेटाफ़्रेम वापस आ जाएगा। हम इसे उदाहरणों के साथ देखेंगे।

# 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. एक से अधिक डेटाफ़्रेम कॉलम का चयन करना।

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

कोड पठनीयता के मुद्दों से बचने के लिए, मैं हमेशा कॉलम के नामों को सूची के रूप में रखने के लिए एक वैरिएबल को परिभाषित करने की सलाह देता हूं और कोड के भीतर कई कॉलम नाम निर्दिष्ट करने के बजाय कॉलम नाम का उपयोग करता हूं।

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

कॉलम नामों के आधार पर 4.DataFrame कॉलम।

.filter()विधि

स्ट्रिंग का उपयोग करके कॉलम खोजने और चुनने के लिए यह विधि काफी आसान है। यह काफी हद तक SQL में %% पैरामीटर की तरह ही काम करता है। याद रखें, .filter() विधि केवल कॉलम नामों का निरीक्षण करके कॉलम का चयन करती है, वास्तविक डेटा मानों का नहीं।

.filter() विधि तीन मापदंडों का समर्थन करती है जिनका उपयोग चयन संचालन के लिए किया जा सकता है।

।पसंद करना
.रेगेक्स
.आइटम

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 - रेगुलर एक्सप्रेशन का उपयोग करके कॉलम नामों का चयन करने का अधिक लचीला तरीका

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

.items - कॉलम नाम को स्ट्रिंग या सूची के रूप में इंडेक्स ऑपरेटर को पास करने का डुप्लिकेट, KeyError को छोड़कर नहीं उठाया जाएगा

डेटा प्रकार के अनुसार डेटाफ़्रेम कॉलम।

यदि आप केवल कुछ निश्चित डेटा प्रकारों को फ़िल्टर और उपयोग करना चाहते हैं, तो .select_dtypes विधि कॉलम डेटा प्रकारों पर काम करती है।

फिर से, .select_dtypes विधि कई डेटा प्रकारों (एक सूची द्वारा) या एकल डेटा प्रकार (एक स्ट्रिंग के रूप में) को स्वीकार करती है जिसमें पैरामीटर शामिल या बहिष्कृत होते हैं और केवल दिए गए डेटा प्रकारों के कॉलम के साथ डेटाफ़्रेम लौटाते हैं।

.include पैरामीटर में निर्दिष्ट डेटा प्रकार वाले कॉलम शामिल हैं और .exclude निर्दिष्ट डेटा प्रकार वाले कॉलम को अनदेखा कर देगा।

आइए सबसे पहले उन डेटा प्रकारों के साथ डेटा प्रकार और स्तंभों की संख्या देखें

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) पांडा डेटाफ़्रेम से पूर्णांक डेटा प्रकारों को फ़िल्टर करना।

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

बी)। पांडा डेटाफ़्रेम से पूर्णांक और फ्लोट डेटा प्रकार चुनें।

आप नीचे दी गई सूची के रूप में कई डेटा प्रकार निर्दिष्ट कर सकते हैं।

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

ग) ठीक है, यदि आप केवल सभी संख्यात्मक डेटा प्रकार चाहते हैं, तो बस संख्या निर्दिष्ट करें

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

डी)। पांडा डेटाफ़्रेम से कुछ डेटा प्रकार बहिष्कृत करें।

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

नोट :- निपटने के लिए स्ट्रिंग डेटा प्रकार नहीं है, पांडा उन्हें ऑब्जेक्ट में कनवर्ट करते हैं, इसलिए यदि आप एक अपवाद का सामना करते हैं "टाइप एरर:डेटा टाइप "स्ट्रिंग" समझ में नहीं आता है, तो इसके बजाय स्ट्रिंग को ऑब्जेक्ट से बदलें।