Para selecionar uma única coluna passamos o nome da coluna como um índice do dataframe. Já vimos exemplos de como fazer isso nos tutoriais passados. Quando estamos trabalhando com um dataframe é possível que nem todos os dados que estejam ali nos interessem. Podemos resolver isso selecionando as colunas que vamos utilizar.
Nesse post vamos aprender a como selecionar duas colunas do dataframe filmes.csv.
Como selecionar duas colunas de um dataframe
Primeiro vamos importar o dataframe para uma variável. E depois criar uma lista com os nomes das colunas que pretendemos trabalhar:
>>> import pandas as pd
>>> filmes = pd.read_csv('filmes.csv')
>>> titulos = filmes[
... [
... 'titulo_original',
... 'titulo_brasil'
... ]
... ]
>>> titulos.head()
titulo_original titulo_brasil
0 PREÇO DA PAZ O PREÇO DA PAZ O
1 CARTOMANTEA CARTOMANTEA
2 BLACK & WHITE VOL. 9 BLACK & WHITE VOL. 9
3 THE GURU O GURU DO SEXO
4 QUIET AMERICAN O AMERICANO TRANQUILO
Em algumas situações é preciso selecionar colunas de um dataframe. Utilizando índice o resultado pode ser uma série ou um dataframe. Quando passamos, como índice, uma lista com um único item, o resultado será um dataframe. E passando uma string o resultado será uma série.
>>> type(filmes[['titulo_original']]) <class 'pandas.core.frame.DataFrame'> >>> type(filmes['titulo_original']) <class 'pandas.core.series.Series'>
Uma alternativa ao índice, para selecionar colunas, é o atributo loc. Com esse atributo precisamos selecionar as linhas e passar o nome da coluna que queremos selecionar. Usaremos o seletor de dois pontos para selecionar todas as linhas. Se quisermos um dataframe passamos o nome como uma lista e para série passamos uma string:
>>> type(filmes.loc[:, ['titulo_brasil']]) <class 'pandas.core.frame.DataFrame'> >>> type(filmes.loc[:, 'titulo_brasil']) <class 'pandas.core.series.Series'>
Como funciona…
Utilizando o operador de índice temos bastante flexibilidade. Com ele podemos utilizar diferentes objetos. Quando passamos uma lista é retornado um dataframe com todas as colunas passadas na lista. Uma coisa interessante é que o novo dataframe respeita a ordem da lista, ou seja, se queremos mudar a posição de uma coluna podemos fazer isso trocando a ordem dos nomes na lista. Se passarmos uma string recebemos uma série.
No Segundo exemplo, vimos como podemos criar um dataframe com uma única coluna a partir de um dataframe. O mesmo acontece com a série.
No terceiro exemplo, aprendemos como criar uma série e um dataframe com o atributo loc.
Tem mais...
Um problema que utilizar o operador de índice pode causar é o de legibilidade. Isso acontece quando passamos uma lista muito longa. Para resolver esse problema podemos criar uma variável do tipo lista:
>>> colunas = [
... 'titulo_brasil',
... 'titulo_original'
... ]
>>> titulos = filmes[colunas]
>>> titulos
titulo_brasil titulo_original
0 PREÇO DA PAZ O PREÇO DA PAZ O
1 CARTOMANTEA CARTOMANTEA
2 BLACK & WHITE VOL. 9 BLACK & WHITE VOL. 9
3 O GURU DO SEXO THE GURU
4 O AMERICANO TRANQUILO QUIET AMERICAN
... ... ...
9257 ROCK OF AGES: O FILME ROCK OF AGES
9258 MATRIX THE MATRIX
9259 MILITARY WIVES MILITARY WIVES
9260 ROBERTO CARLOS EM JERUSALÉM ROBERTO CARLOS EM JERUSALÉM
9261 O POÇO O POÇO
[9262 rows x 2 columns]
>>> filmes.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 9262 entries, 0 to 9261
Data columns (total 9 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 indice 9262 non-null int64
1 codigo_obra 9262 non-null int64
2 titulo_original 9262 non-null object
3 titulo_brasil 9262 non-null object
4 ano_producao 9259 non-null float64
5 diretor 9262 non-null object
6 razao_social_requerente 9262 non-null object
7 cnpj_requerente 9262 non-null object
8 data_exibicao 9262 non-null object
dtypes: float64(1), int64(2), object(6)
memory usage: 434.2+ KB
Com o exemplo acima podemos perceber que a ordem das colunas foi alterada. A causa disso é a ordem em que os nomes das colunas foram colocados na lista.