Muitas vezes, um DataFrame conterá colunas que não são úteis para a sua análise. Essas colunas devem ser retiradas do DataFrame para facilitar que você se concentre nas colunas restantes.
As colunas podem ser removidas especificando-se os nomes dos rótulos e os eixos correspondentes, ou especificando-se diretamente os nomes dos índices ou das colunas. Ao usar um índice múltiplo, os rótulos em níveis diferentes podem ser removidos especificando-se o nível.
.drop() Método
Vamos comparar a contagem de valores ausentes com o formato do dataframe. Você perceberá que a coluna county_name contém tantos valores ausentes quanto linhas, o que significa que ela contém apenas valores ausentes.
Como ela não contém informações úteis, essa coluna pode ser eliminada usando o método .drop().
Além de especificar o nome da coluna, você precisa especificar que está eliminando do eixo das colunas e que deseja que a operação ocorra no local, o que evita um comando de atribuição, como mostrado abaixo:
O método .dropna() é uma ótima maneira de eliminar linhas com base na presença de valores ausentes nessa linha.
Por exemplo, usando o conjunto de dados acima, vamos supor que as colunas stop_date e stop_time sejam essenciais para nossa análise e, portanto, uma linha é inútil para nós sem esses dados.
state stop_date stop_time driver_gender driver_race
0RI2005-01-0412:55M White
1RI2005-01-2323:15M White
2RI2005-02-1704:15M White
3RI2005-02-2017:15M White
4RI2005-02-2401:20F White
Tecnologia
Podemos dizer ao pandas para eliminar todas as linhas que tenham um valor ausente nas colunas stop_date ou stop_time. Como especificamos um subconjunto, o método .dropna() leva em conta apenas essas duas colunas ao decidir quais linhas você deve descartar.
Neste exemplo, você eliminará a coluna county_name porque ela contém apenas valores ausentes e eliminará a coluna state porque todas as paradas de trânsito ocorreram em um estado (Rhode Island). Assim, essas colunas podem ser eliminadas porque não contêm informações úteis. O número de valores ausentes em cada coluna foi impresso no console para você.
Examine o site .shape do DataFrame para descobrir o número de linhas e colunas.
Elimine as colunas county_name e state passando os nomes das colunas para o método .drop() como uma lista de cadeias de caracteres.
Examine o site .shape novamente para verificar se agora há duas colunas a menos.
# Examine the shape of the DataFrameprint(ri.shape)# Drop the 'county_name' and 'state' columns
ri.drop(['county_name','state'], axis='columns', inplace=True)# Examine the shape of the DataFrame (again)print(ri.shape)Tecnologia
Quando você executa o código acima, ele produz o seguinte resultado:
Use o Python Pandas e selecione colunas de DataFrames. Siga nosso tutorial com exemplos de código e aprenda diferentes maneiras de selecionar seus dados hoje mesmo!
Explore a análise de dados com Python. Os DataFrames do Pandas facilitam a manipulação de seus dados, desde a seleção ou substituição de colunas e índices até a remodelagem dos dados.
Muitas vezes, um DataFrame conterá colunas que não são úteis para a sua análise. Essas colunas devem ser retiradas do DataFrame para facilitar que você se concentre nas colunas restantes.
As colunas podem ser removidas especificando-se os nomes dos rótulos e os eixos correspondentes, ou especificando-se diretamente os nomes dos índices ou das colunas. Ao usar um índice múltiplo, os rótulos em níveis diferentes podem ser removidos especificando-se o nível.
.drop()MétodoVamos comparar a contagem de valores ausentes com o formato do dataframe. Você perceberá que a coluna
county_namecontém tantos valores ausentes quanto linhas, o que significa que ela contém apenas valores ausentes.Como ela não contém informações úteis, essa coluna pode ser eliminada usando o método
.drop().Além de especificar o nome da coluna, você precisa especificar que está eliminando do eixo das colunas e que deseja que a operação ocorra no local, o que evita um comando de atribuição, como mostrado abaixo:
.dropna()MétodoO método
.dropna()é uma ótima maneira de eliminar linhas com base na presença de valores ausentes nessa linha.Por exemplo, usando o conjunto de dados acima, vamos supor que as colunas stop_date e stop_time sejam essenciais para nossa análise e, portanto, uma linha é inútil para nós sem esses dados.
Podemos dizer ao pandas para eliminar todas as linhas que tenham um valor ausente nas colunas
stop_dateoustop_time. Como especificamos um subconjunto, o método.dropna()leva em conta apenas essas duas colunas ao decidir quais linhas você deve descartar.Exemplo interativo de eliminação de colunas
Neste exemplo, você eliminará a coluna
county_nameporque ela contém apenas valores ausentes e eliminará a colunastateporque todas as paradas de trânsito ocorreram em um estado (Rhode Island). Assim, essas colunas podem ser eliminadas porque não contêm informações úteis. O número de valores ausentes em cada coluna foi impresso no console para você..shapedo DataFrame para descobrir o número de linhas e colunas.county_nameestatepassando os nomes das colunas para o método.drop()como uma lista de cadeias de caracteres..shapenovamente para verificar se agora há duas colunas a menos.Quando você executa o código acima, ele produz o seguinte resultado:
Experimente você mesmo.
Para saber mais sobre a eliminação de colunas no pandas, assista a este vídeo do nosso curso, Introdução à visualização de dados com ggplot2.
Este conteúdo foi extraído do curso Introdução à visualização de dados com ggplot2 do DataCamp, ministrado por Kevin Markham.
Confira nosso tutorial Pandas Add Column.