จะเลือกชุดย่อยของข้อมูลโดยใช้การแบ่งศัพท์ใน Python Pandas ได้อย่างไร

แนะนำตัว

นุ่นมีความสามารถในการเลือกคู่เพื่อเลือกชุดย่อยของข้อมูลโดยใช้ตำแหน่งดัชนีหรือโดยใช้ป้ายกำกับดัชนี ในบทความนี้ ผมจะแสดงวิธีการ "เลือกชุดย่อยของข้อมูลโดยใช้การแบ่งส่วนศัพท์เฉพาะ"

Google เต็มไปด้วยชุดข้อมูล ค้นหาชุดข้อมูลภาพยนตร์ใน kaggle.com โพสต์นี้ใช้ชุดข้อมูลภาพยนตร์จาก kaggle

ทำอย่างไร

• นำเข้าชุดข้อมูลภาพยนตร์โดยมีเพียงคอลัมน์ที่จำเป็นสำหรับตัวอย่างนี้

import pandas as pd
import numpy as np
movies = pd.read_csv("https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv",index_col="title",
usecols=["title","budget","vote_average","vote_count"])
movies.sample(n=5)

• ฉันแนะนำให้เรียงลำดับดัชนีเสมอ โดยเฉพาะอย่างยิ่งหากดัชนีประกอบด้วยสตริง คุณจะสังเกตเห็นความแตกต่างหากคุณจัดการกับชุดข้อมูลขนาดใหญ่เมื่อจัดเรียงดัชนีของคุณ

จะเป็นอย่างไรหากฉันไม่จัดเรียงดัชนี

ไม่มีปัญหาโค้ดของคุณจะทำงานตลอดไป ล้อเล่น ถ้าป้ายดัชนีไม่ได้เรียงลำดับ แพนด้าจะต้องสำรวจป้ายกำกับทั้งหมดทีละรายการเพื่อให้ตรงกับข้อความค้นหาของคุณ ลองนึกภาพพจนานุกรม Oxford ที่ไม่มีหน้าดัชนี คุณจะทำอย่างไร? ด้วยการจัดเรียงดัชนี คุณสามารถข้ามไปยังป้ายกำกับที่คุณต้องการแยกได้อย่างรวดเร็ว เช่นเดียวกับ Pandastoo

ให้เราตรวจสอบก่อนว่าดัชนีของเราถูกจัดเรียงหรือไม่

# check if the index is sorted or not ?
movies.index.is_monotonic

เท็จ

• เห็นได้ชัดว่าดัชนีไม่ได้เรียงลำดับ เราจะพยายามเลือกภาพยนตร์ที่เริ่มต้นด้วย A% ก็เหมือนการเขียน

เลือก * จากภาพยนตร์ที่ชื่อ like'A%'

movies.loc["Aa":"Bb"]

select * from movies where title like 'A%'



---------------------------------------------------------------------------
ValueErrorTraceback (most recent call last)
~\anaconda3\lib\site-packages\pandas\core\indexes\base.py in get_slice_bound(self, labe l, side, kind)
4844try:
-> 4845return self._searchsorted_monotonic(label, side) 4846except ValueError:

~\anaconda3\lib\site-packages\pandas\core\indexes\base.py in _searchsorted_monotonic(se lf, label, side)
4805
-> 4806raise ValueError("index must be monotonic increasing or decreasing")
4807

ValueError: index must be monotonic increasing or decreasing

During handling of the above exception, another exception occurred:

KeyErrorTraceback (most recent call last)
in
----> 1 movies.loc["Aa": "Bb"]

~\anaconda3\lib\site-packages\pandas\core\indexing.py in getitem (self, key)
1766
1767maybe_callable = com.apply_if_callable(key, self.obj)
-> 1768return self._getitem_axis(maybe_callable, axis=axis) 1769
1770def _is_scalar_access(self, key: Tuple):

~\anaconda3\lib\site-packages\pandas\core\indexing.py in _getitem_axis(self, key, axis)
1910if isinstance(key, slice):
1911self._validate_key(key, axis)
-> 1912return self._get_slice_axis(key, axis=axis) 1913elif com.is_bool_indexer(key):
1914return self._getbool_axis(key, axis=axis)

~\anaconda3\lib\site-packages\pandas\core\indexing.py in _get_slice_axis(self, slice_ob j, axis)
1794
1795labels = obj._get_axis(axis)
-> 1796indexer = labels.slice_indexer(
1797slice_obj.start, slice_obj.stop, slice_obj.step, kind=self.name 1798)

~\anaconda3\lib\site-packages\pandas\core\indexes\base.py in slice_indexer(self, start, end, step, kind)
4711slice(1, 3)
4712"""
-> 4713start_slice, end_slice = self.slice_locs(start, end, step=step, kind=ki nd)
4714
4715# return a slice

~\anaconda3\lib\site-packages\pandas\core\indexes\base.py in slice_locs(self, start, en d, step, kind)
4924start_slice = None
4925if start is not None:
-> 4926start_slice = self.get_slice_bound(start, "left", kind) 4927if start_slice is None:
4928start_slice = 0

~\anaconda3\lib\site-packages\pandas\core\indexes\base.py in get_slice_bound(self, labe l, side, kind)
4846except ValueError:
4847# raise the original KeyError
-> 4848raise err
4849
4850if isinstance(slc, np.ndarray):

~\anaconda3\lib\site-packages\pandas\core\indexes\base.py in get_slice_bound(self, labe l, side, kind)
4840# we need to look up the label
4841try:
-> 4842slc = self.get_loc(label) 4843except KeyError as err:
4844try:

~\anaconda3\lib\site-packages\pandas\core\indexes\base.py in get_loc(self, key, method,

tolerance)
2646return self._engine.get_loc(key)
2647except KeyError:
-> 2648return self._engine.get_loc(self._maybe_cast_indexer(key))
2649indexer = self.get_indexer([key], method=method, tolerance=tolerance) 2650if indexer.ndim > 1 or indexer.size > 1:

pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc() pandas\_libs\index.pyx in pandas._libs.index.IndexEngine.get_loc()
pandas\_libs\index.pyx in pandas._libs.index.IndexEngine._get_loc_duplicates()

pandas\_libs\index.pyx in pandas._libs.index.IndexEngine._maybe_get_bool_indexer() KeyError: 'Aa'

• เรียงลำดับดัชนีจากน้อยไปมาก และลองใช้คำสั่งเดียวกันเพื่อใช้ประโยชน์จากการจัดเรียงสำหรับการแบ่งส่วนศัพท์เฉพาะ

True

• ตอนนี้ข้อมูลของเราได้รับการตั้งค่าและพร้อมสำหรับการแบ่งส่วนศัพท์ ให้เราเลือกชื่อภาพยนตร์ทั้งหมดที่ขึ้นต้นด้วยตัวอักษร A ถึงตัวอักษร B

292 แถว × 3 คอลัมน์

จริง

งบประมาณ vote_average โหวต_count ชื่อ

เป็นเรื่องง่ายที่จะเห็น DataFrame ว่างเปล่า เนื่องจากข้อมูลถูกจัดเรียงในลำดับที่กลับกัน ให้เรากลับตัวอักษรและเรียกใช้อีกครั้ง

228 แถว × 3 คอลัมน์