 |
| Photo by Thanos Pal on Unsplash |
Introdução
As dimensões de uma série ou dataframe tem seu rotulo no objeto index. O objeto index é usado para separar as estruturas do pandas. São os indexs que rotulam cada linha e coluna, com isso podemos selecionar os dados do dataframe. A biblioteca pandas também permite selecionar dados de acordo com a posição das colunas e linhas. Podendo selecionar dados por nome ou números (posição), a biblioteca pandas fornece uma sintaxe poderosa. O que acaba torna a seleção de subconjuntos um pouco confusa.
Já vimos exemplos de seleção de dados por rótulo e posição. A lista e o dicionário do python fazem isso. Esse é um dos motivos da biblioteca pandas ser poderosa. Juntando a capacidade de acessar dados por rótulo (dicionário) e posição (lista) temos um tipo de dado muito versátil.
Seleção de dados da série com pandas
As séries e os dataframes pandas funcionam como contêiner de dados. Esses contêineres têm métodos e atributos que nos permitem selecionar os dados de várias maneiras. Os métodos e atributos fazer operações com índices para selecionar os dados. Também podemos usar os atributos iloc e loc.
Podemos selecionar dados informando a posição ou um rótulo. Usando o atributo iloc selecionamos os dados por posição, fazendo um objeto do pandas parecer com uma lista. Já usando o atributo loc, selecionamos os dados informando um rótulo, como um dicionário do python.
Esses dois atributos estão presentes nas séries e nos dataframes. Nesse tutorial vamos aprender a selecionar dados utilizando rótulos e posições. Os dois atributos aceitam valores escalares e listas.
Colocando colchetes depois de uma variável estamos fazendo uma operação de índice. Não faz diferença se é uma seleção com rótulo ou posição, tudo é operação de índice.
Você obter o dataset usado nesse tutorial aqui.
Selecionando dados utilizando rótulo e posição
Vamos carregar o dataset na memoria e selecionar uma coluna usando uma operação de index. Nesse primeiro exemplo vamos usar o rótulo da coluna.
>>> import pandas as pd
>>> animelist = pd.read_csv(‘animelist.csv’)
>>> animelist['title']
0 Inu x Boku SS
1 Seto no Hanayome
2 Shugo Chara!! Doki
3 Princess Tutu
4 Bakuman. 3rd Season
...
14473 Gutchonpa Omoshiro Hanashi
14474 Geba Geba Shou Time!
14475 Godzilla: Hoshi wo Kuu Mono
14476 Nippon Mukashibanashi: Sannen Netarou
14477 Senjou no Valkyria Special
Name: title, Length: 14478, dtype: object
Podemos ter o mesmo resultado com o atributo loc.
>>> animelist.loc[:, 'title']
0 Inu x Boku SS
1 Seto no Hanayome
2 Shugo Chara!! Doki
3 Princess Tutu
4 Bakuman. 3rd Season
...
14473 Gutchonpa Omoshiro Hanashi
14474 Geba Geba Shou Time!
14475 Godzilla: Hoshi wo Kuu Mono
14476 Nippon Mukashibanashi: Sannen Netarou
14477 Senjou no Valkyria Special
Name: title, Length: 14478, dtype: object
Com o atributo loc podemos selecionar linhas e colunas passando o rótulo do índice. Se apenas um valor for passado o atributo vai retornar uma linha com os dados de cada coluna. Se passamos dois valores podemos selecionar as linhas e as colunas, e ainda podemos definir o espaçamento.
# selecionando uma linha
# passamos um número inteiro porque o índice é de inteiros e não strings
>>> animelist.loc[12]
anime_id 11123
title Sekaiichi Hatsukoi 2
title_english Sekai Ichi Hatsukoi - World's Greatest Fi...
title_japanese 世界一初恋 2
title_synonyms Sekai-ichi Hatsukoi 2, Sekai'ichi Hatsukoi 2
image_url https://myanimelist.cdn-dena.com/images/anime/...
type TV
source Manga
episodes 12
status Finished Airing
airing False
aired_string Oct 8, 2011 to Dec 24, 2011
aired {'from': '2011-10-08', 'to': '2011-12-24'}
duration 24 min. per ep.
rating PG-13 - Teens 13 or older
score 8.23
scored_by 53285
rank 288
popularity 945
members 89543
favorites 726
background An event to show ep.1 of season 2 (along with ...
premiered Fall 2011
broadcast Unknown
related {'Adaptation': [{'mal_id': 10309, 'type': 'man...
producer Lantis, Kadokawa Shoten, AT-X, KlockWorx
licensor Funimation
studio Studio Deen
genre Comedy, Drama, Romance, Shounen Ai
opening_theme ['"Sekai no Hate ni Kimi ga Itemo" (世界の果てに君がいて...
ending_theme ['"Aikotoba" (アイコトバ) by Sakura Merry-Men']
Name: 12, dtype: object
>>> animelist.loc[12:32, 'title':'rank']
title ... rank
12 Sekaiichi Hatsukoi 2 ... 288.0
13 Tonari no Kaibutsu-kun ... 1093.0
14 Bleach ... 693.0
15 Chobits ... 1546.0
16 Kimi ni Todoke ... 400.0
17 Naruto: Shippuuden ... 337.0
18 Ranma ½ ... 802.0
19 Toradora! ... 174.0
20 Bakuman. 2nd Season ... 108.0
21 Gakuen Alice ... 941.0
22 Skip Beat! ... 282.0
23 Chihayafuru 2 ... 116.0
24 Shounen Onmyouji ... 1158.0
25 Chihayafuru ... 246.0
26 Itazura na Kiss ... 1108.0
27 Beelzebub ... 528.0
28 Hanasakeru Seishounen ... 753.0
29 SKET Dance ... 213.0
30 B-gata H-kei ... 3193.0
31 Crayon Shin-chan ... 1032.0
32 Fruits Basket ... 939.0
[21 rows x 17 columns]
No ultimo exemplo selecionamos linhas e colunas. Selecionamos os dados da linha numero doze até a linha trinta e dois. As colunas, selecionamos da coluna title até a coluna rank. O atributo iloc funciona do mesmo modo, a diferença é que esse atributo não aceita rótulos. O atributo iloc só aceita posições.
>>> animelist.iloc[12:32, 1:17]
title ... scored_by
12 Sekaiichi Hatsukoi 2 ... 53285
13 Tonari no Kaibutsu-kun ... 281448
14 Bleach ... 433097
15 Chobits ... 175388
16 Kimi ni Todoke ... 212710
17 Naruto: Shippuuden ... 385179
18 Ranma ½ ... 59911
19 Toradora! ... 557898
20 Bakuman. 2nd Season ... 122090
21 Gakuen Alice ... 33244
22 Skip Beat! ... 90699
23 Chihayafuru 2 ... 62720
24 Shounen Onmyouji ... 14619
25 Chihayafuru ... 89081
26 Itazura na Kiss ... 91187
27 Beelzebub ... 136105
28 Hanasakeru Seishounen ... 16772
29 SKET Dance ... 44132
30 B-gata H-kei ... 142827
31 Crayon Shin-chan ... 17683
[20 rows x 16 columns]
Para selecionar, do primeiro elemento até um determinado, é só omitir a posição ou rótulo de inicio. Por exemplo: animelist.iloc[:32, 1:17]. Se você quiser definir o inicio e selecionar até o ultimo elemento é só omitir a posição ou rotulo do último elemento: animelist.loc[12:, ‘rank’:].
0 comentários:
Postar um comentário