Разделить фрейм данных Pandas по значению столбца
Иногда для более точного анализа Dataframe нам необходимо разделить его на 2 или более частей. Pandas предоставляет функцию разделения Dataframe в соответствии с индексом столбца, индексом строки, значениями столбца и т. Д.
Давайте посмотрим, как разделить фрейм данных Pandas по значению столбца в Python?
Now, let’s create a Dataframe:
Python3
# importing pandas libraryimport pandas as pd # Initializing the nested list with Data-setplayer_list = [["M.S.Dhoni", 36, 75, 5428000], ["A.B.D Villers", 38, 74, 3428000], ["V.Kholi", 31, 70, 8428000], ["S.Smith", 34, 80, 4428000], ["C.Gayle", 40, 100, 4528000], ["J.Root", 33, 72, 7028000], ["K.Peterson", 42, 85, 2528000]] # creating a pandas dataframedf = pd.DataFrame(player_list, columns = ["Name", "Age", "Weight", "Salary"]) # show the dataframedf |
Выход:
Метод 1: использование логического маскирования подход.
Этот метод используется для печати только той части фрейма данных, в которой мы передаем логическое значение True.
Example 1:
Python3
# importing pandas libraryimport pandas as pd # Initializing the nested list with Data-setplayer_list = [["M.S.Dhoni", 36, 75, 5428000], ["A.B.D Villers", 38, 74, 3428000], ["V.Kholi", 31, 70, 8428000], ["S.Smith", 34, 80, 4428000], ["C.Gayle", 40, 100, 4528000], ["J.Root", 33, 72, 7028000], ["K.Peterson", 42, 85, 2528000]] # creating a pandas dataframedf = pd.DataFrame(player_list, columns = ["Name", "Age", "Weight", "Salary"]) # splitting the dataframe into 2 parts# on basis of "Age" column values# using Relational operatordf1 = df[df["Age"] >= 37] # printing df1df1 |
Выход:
Python3
df2 = df[df["Age"] < 37] # printing df2df2 |
Output:
In the above example, the data frame ‘df’ is split into 2 parts ‘df1’ and ‘df2’ on the basis of values of column ‘Age‘.
Example 2:
Python3
# importing pandas libraryimport pandas as pd # Initializing the nested list with Data-setplayer_list = [["M.S.Dhoni", 36, 75, 5428000], ["A.B.D Villers", 38, 74, 3428000], ["V.Kholi", 31, 70, 8428000], ["S.Smith", 34, 80, 4428000], ["C.Gayle", 40, 100, 4528000], ["J.Root", 33, 72, 7028000], ["K.Peterson", 42, 85, 2528000]] # creating a pandas dataframedf = pd.DataFrame(player_list, columns = ["Name", "Age", "Weight", "Salary"]) # splitting the dataframe into 2 parts# on basis of "Weight" column valuesmask = df["Weight"] >= 80 df1 = df[mask] # invert the boolean valuesdf2 = df[~mask] # printing df1df1 |
Output:
Python3
# printing df2df2 |
Output:
In the above example, the data frame ‘df’ is split into 2 parts ‘df1’ and ‘df2’ on the basis of values of column ‘Weight‘.
Method 2: Using Dataframe.groupby().
This method is used to split the data into groups based on some criteria.
Example:
Python3
# importing pandas libraryimport pandas as pd # Initializing the nested list with Data-setplayer_list = [["M.S.Dhoni", 36, 75, 5428000], ["A.B.D Villers", 38, 74, 3428000], ["V.Kholi", 31, 70, 8428000], ["S.Smith", 34, 80, 4428000], ["C.Gayle", 40, 100, 4528000], ["J.Root", 33, 72, 7028000], ["K.Peterson", 42, 85, 2528000]] # creating a pandas dataframedf = pd.DataFrame(player_list, columns = ["Name", "Age", "Weight", "Salary"]) # splitting the dataframe into 2 parts# on basis of "Salary" column values# using dataframe.groupby() functiondf1, df2 = [x for _, x in df.groupby(df["Salary"] < 4528000)] # printing df1df1 |
Output:
Python3
# printing df2df2 |
Выход:
В приведенном выше примере фрейм данных «df» разделен на 2 части «df1» и «df2» на основе значений столбца « Salary ».
Внимание компьютерщик! Укрепите свои основы с помощью базового курса программирования Python и изучите основы.
Для начала подготовьтесь к собеседованию. Расширьте свои концепции структур данных с помощью курса Python DS. А чтобы начать свое путешествие по машинному обучению, присоединяйтесь к курсу Машинное обучение - базовый уровень.