Tutorial de seleção de colunas em Python

Seleção de linhas usando colchetes

Os colchetes podem fazer mais do que apenas selecionar colunas. Você também pode usá-los para obter linhas, ou observações, de um DataFrame.

Exemplo

Você só pode selecionar linhas usando colchetes se especificar uma fatia, como 0:4. Além disso, você está usando os índices inteiros das linhas aqui, não os rótulos das linhas!

Para obter a segunda, terceira e quarta linhas do brics DataFrame, usamos a fatia de 1 a 4. Lembre-se de que o final da fatia é exclusivo, e o índice começa em zero.

brics[1:4]

          country     capital     area    population
RU         Russia      Moscow   17.100        143.50
IN         India    New Dehli    3.286       1252.00
CH         China      Beijing    9.597       1357.00

Esses colchetes funcionam, mas oferecem apenas uma funcionalidade limitada. Idealmente, gostaríamos de algo semelhante às matrizes 2D Numpy, em que você também usa colchetes. O índice, ou fatia, antes da vírgula se refere às linhas, e a fatia após a vírgula se refere às colunas.

Exemplo de matriz 2D Numpy:

my_array[rows, columns]

Se quiser fazer algo semelhante com pandas, você precisará usar as funções loc e iloc.

• loc: baseado em rótulos
• iloc: inteiro baseado em posição

loc Função

loc é uma técnica para selecionar partes de seus dados com base em rótulos. Vamos examinar o DataFrame do brics e obter as linhas da Rússia.

Para isso, você colocará o rótulo de interesse entre colchetes após loc.

Seleção de linhas

brics.loc["RU"]

country     Russia
capital     Moscow
area          17.1
population   143.5
Name: RU, dtype: object

Obtemos uma série pandas contendo todas as informações das linhas; porém, de forma inconveniente, elas são mostradas em linhas diferentes. Para obter um DataFrame, temos que colocar o link RU em outro par de colchetes. Você também pode selecionar várias linhas ao mesmo tempo. Suponha que você queira incluir também a Índia e a China. Basta adicionar esses rótulos de linha à lista.

brics.loc[["RU", "IN", "CH"]]

          country     capital     area    population
RU         Russia      Moscow   17.100        143.50
IN         India    New Dehli    3.286       1252.00
CH         China      Beijing    9.597       1357.00

A diferença entre usar um loc e colchetes básicos é que você pode estender a seleção com uma vírgula e uma especificação das colunas de interesse.

Seleção de linhas e colunas

Vamos estender a chamada anterior para incluir apenas as colunas country e capital. Adicionamos uma vírgula e listamos os rótulos das colunas que queremos manter. A interseção é retornada.

brics.loc[["RU", "IN", "CH"], ["country", "capital"]]

          country     capital
RU         Russia      Moscow
IN         India    New Dehli
CH         China      Beijing

Você também pode usar loc para selecionar todas as linhas, mas apenas um número específico de colunas. Basta substituir a primeira lista que especifica os rótulos de linha por dois pontos. Uma fatia que vai do começo ao fim. Dessa vez, você receberá de volta todas as linhas, mas apenas duas colunas.

Seleção de todas as linhas e colunas específicas

brics.loc[:, ["country", "capital"]]

          country     capital
BR         Brazil    Brasilia
RU         Russia      Moscow
IN         India    New Dehli
CH         China      Beijing
SA  South Africa     Pretoria

iloc Função

A função iloc permite que você faça um subconjunto de pandas DataFrames com base em sua posição ou índice.

Seleção de linhas

Vamos usar os mesmos dados e exemplos semelhantes que usamos para loc. Vamos começar com a fila para a Rússia.

brics.iloc[[1]]

          country     capital     area    population
RU         Russia      Moscow   17.100        143.50

Para obter as linhas da Rússia, Índia e China. Agora você pode usar uma lista de índices 1, 2, 3.

brics.iloc[[1, 2, 3]]

          country     capital     area    population
RU         Russia      Moscow   17.100        143.50
IN         India    New Dehli    3.286       1252.00
CH         China      Beijing    9.597       1357.00

Seleção de linhas e colunas

Da mesma forma que em loc, também podemos selecionar linhas e colunas usando iloc. Aqui, selecionaremos as linhas da Rússia, Índia e China e as colunas country e capital.

brics.iloc[[1, 2, 3], [0, 1]]

          country     capital
RU         Russia      Moscow
IN         India    New Dehli
CH         China      Beijing

Seleção de todas as linhas e colunas específicas

Por fim, se você quiser selecionar todas as linhas, mas apenas manter as colunas country e capital, poderá fazê-lo:

brics.loc[:, [0, 1]]

          country     capital
BR         Brazil    Brasilia
RU         Russia      Moscow
IN         India    New Dehli
CH         China      Beijing
SA  South Africa     Pretoria

loc e iloc são bastante semelhantes. A única diferença é como você se refere às colunas e linhas.

Exemplo interativo sobre a seleção de um subconjunto de dados

No exemplo a seguir, os dados dos carros são importados de um arquivo CSV como um DataFrame do Pandas. Para selecionar apenas o cars_per_cap column dos carros, você pode usar:

cars['cars_per_cap']
cars[['cars_per_cap']]

A versão com colchetes simples fornece uma série do Pandas; a versão com colchetes duplos fornece um DataFrame do Pandas.

• Você usará colchetes simples para imprimir a coluna country de cars como uma série Pandas.
• Em seguida, use colchetes duplos para imprimir a coluna country de cars como um Pandas DataFrame.
• Por fim, use os colchetes duplos para imprimir um DataFrame com as colunas country e drives_right de cars, nesta ordem.

# Import cars data
import pandas as pd
cars = pd.read_csv('cars.csv', index_col = 0)

# Print out country column as Pandas Series
print(cars['country'])

# Print out country column as Pandas DataFrame
print(cars[['country']])

# Print out DataFrame with country and drives_right columns
print(cars[['country', 'drives_right']])

Quando executamos o código acima, ele produz o seguinte resultado:

US     United States
AUS        Australia
JPN            Japan
IN             India
RU            Russia
MOR          Morocco
EG             Egypt
Name: country, dtype: object
           country
US   United States
AUS      Australia
JPN          Japan
IN           India
RU          Russia
MOR        Morocco
EG           Egypt
           country  drives_right
US   United States          True
AUS      Australia         False
JPN          Japan         False
IN           India         False
RU          Russia          True
MOR        Morocco          True
EG           Egypt          True

Experimente você mesmo.

Para saber mais sobre pandas, assista a este vídeo do nosso curso Python Intermediário.

Este conteúdo foi extraído do curso Python Intermediário da DataCamp, ministrado por Hugo Bowne-Anderson.