мета-данные страницы
  •  
Загрузка не удалась. Возможно, проблемы с правами доступа?

Различия

Показаны различия между двумя версиями страницы.

Ссылка на это сравнение

Предыдущая версия справа и слеваПредыдущая версия
Следующая версия		Предыдущая версия
python:week20 [01/10/2018 03:57] – [Выборка по метке] ybezrukovpython:week20 [04/04/2021 21:56] (текущий) – [Ввод/вывод] Admin Adminovich
Строка 149: Строка 149:
 <code python> <code python>
              
-print(df.index()) +print(df.index) 
-print(df.columns()) +print(df.columns) 
-print(df.values())+print(df.values)
  
 </code> </code>
Строка 216: Строка 216:
 2013-01-06 -0.673690  0.113648 -1.478427  0.524988 2013-01-06 -0.673690  0.113648 -1.478427  0.524988
 2013-01-05 -0.424972  0.567020  0.276232 -1.087401 2013-01-05 -0.424972  0.567020  0.276232 -1.087401
 +</code>
 +
 +
 +Строки можно перебрать и с помощью цикла for, для этого нужно воспользоваться функцией iterrows
 +
 +<code python>
 +for index,row in df.iterrows():
 +    print(row['A']) 
 </code> </code>
  
Строка 287: Строка 295:
 print(df.iloc[df.iloc[1:3,:]]) print(df.iloc[df.iloc[1:3,:]])
 </code> </code>
 +Аналогично со столбцами
 +<code python>
 +print(df.iloc[:,1:3])
 +</code>
 +
 +===== Фильтрация с помощью логических выражений =====
 +
 +Выберем из таблица все строки, где значения из колонки А положительны
 +
 +<code python>
 +print(df[df.A > 0])
 +</code>
 +
 +Или только положительные данные во всей таблице
 +
 +<code python>
 +print(df[df > 0])
 +</code>
 +
 +<code>
 +                   A         B         C         D
 +2013-01-01  0.469112       NaN       NaN       NaN
 +2013-01-02  1.212112       NaN  0.119209       NaN
 +2013-01-03       NaN       NaN       NaN  1.071804
 +2013-01-04  0.721555       NaN       NaN  0.271860
 +2013-01-05       NaN  0.567020  0.276232       NaN
 +2013-01-06       NaN  0.113648       NaN  0.524988
 +</code>
 +
 +Обратите внимание, что все отрицательные элементы были заменены на NaN. Специальный тип данных, указывающий на отсутствие значения.
 +
 +Функция isin сверяет значения из строки или столбца со списком, и возвращает только те, которые содержатся и там, и там
 +
 +<code python>
 +df2 = df.copy() # функция copy копирует данные из одного датафрейма в другой
 +df2['E'] = ['one', 'one','two','three','four','three'] # добавим новый столбец с именем Е и присвоим ему значения из списка
 +
 +print(df2)
 +
 +print(df2['E'].isin(['two','four'])) # выделим из нашей таблицы только те строки, которые содержат слова two и four в столбце Е
 +</code>
 +
 +
 +
 +<code>
 +                   A         B         C         D      E
 +2013-01-01  0.469112 -0.282863 -1.509059 -1.135632    one
 +2013-01-02  1.212112 -0.173215  0.119209 -1.044236    one
 +2013-01-03 -0.861849 -2.104569 -0.494929  1.071804    two
 +2013-01-04  0.721555 -0.706771 -1.039575  0.271860  three
 +2013-01-05 -0.424972  0.567020  0.276232 -1.087401   four
 +2013-01-06 -0.673690  0.113648 -1.478427  0.524988  three
 +
 +                   A         B         C         D     E
 +2013-01-03 -0.861849 -2.104569 -0.494929  1.071804   two
 +2013-01-05 -0.424972  0.567020  0.276232 -1.087401  four
 +</code>  
 +
 +====== Ввод/вывод ======
 +
 +Представить столбец в виде списка
 +
 +<code python>
 +l = df['Column'].to_list()
 +</code>
 +===== CSV =====
 +Чтение CSV файла делается в одну строку
 +<code python> 
 +pd.read_csv('foo.csv')
 +</code> 
 +
 +
 +====== Задача 4 ======
 +
 +Найти всех легендарных покемонов.
 +
 +====== Задача 5 ======
 +
 +Найти всех производителей шоколада, относящихся к конкретной стране и напечатать их на экран в виде 
 +
 +<code>
 +Страна1
 + Производитель1.1
 + Производитель1.2
 +
 +Страна2
 + Производитель2.1
 + Производитель2.2
 + Производитель2.3
 +</code>
 +
 +