В этой и последующих лекциях мы будем работать с таблицами. В социальных науках термины «база данных» и «таблица» часто используются как синонимы. Вообще, между этими терминами есть существенная разница, так как база данных – это набор таблиц, связанных друг с другом (при определённых условиях можно думать о ней как о файле Excel с разными листами). Давайте для простоты считать эти термины эквивалентными, основы работы с «настоящими» базами данных (SQL, PyMongo) мы обсуждать не будем. Кроме того, в качестве синонима слова таблица мы будем использовать слово датафрейм как кальку с термина data frame.
Библиотека pandas используется для удобной и более эффективной работы с таблицами. Её функционал достаточно разнообразен, но давайте начнем с каких-то базовых функций и методов.
Для начала импортируем саму библиотеку.
import pandas as pd
Здесь мы использовали такой приём: импортировали библиотеку и присвоили ей сокращённое имя, которое будет использоваться в пределах данного ipynb-файла. Чтобы не писать перед каждой библиотечной функцией длинное pandas
. и не импортировать сразу все функции из этой библиотеки, мы сократили название до pd
, и в дальнейшем Python будет понимать, что мы имеем в виду. Можно было бы сократить и до p
, но тогда есть риск забыть про это и создать переменную с таким же именем, что в какой-то момент приведёт к проблемам. К тому же pd
– распространенное сокращение.
А теперь давайте загрузим какую-нибудь реальную базу данных из файла. Библиотека pandas
достаточно гибкая, она позволяет загружать данные из файлов разных форматов. Пока остановимся на самом простом – файле csv, что расшифровывается как comma separated values. Столбцы в таком файле по умолчанию отделяются друг от друга запятой. Например, такая таблица
pd.DataFrame([[1, 4, 9], [4, 8, 6]])
0 | 1 | 2 | |
---|---|---|---|
0 | 1 | 4 | 9 |
1 | 4 | 8 | 6 |
сохраненная в формате csv без названий строк и столбцов будет выглядеть так:
Но разделитель столбцов в таблице может быть и другим, например, точкой с запятой:
В таких случаях нам потребуется дополнительно выставлять параметр sep = ";"
, чтобы Python понимал, как правильно отделять один столбец от другого. Посмотрим на примере двух файлов: test1.xlsx
и test2.csv
.
# загружаем test1.xlsx – все нормально
d1 = pd.read_excel("test1.xlsx")
d1
A | B | C | |
---|---|---|---|
0 | 2 | 3 | 4 |
1 | 5 | 6 | 7 |
# загружаем test2.csv – тоже все хорошо
d2 = pd.read_csv("test2.csv")
d2
A | B | C | |
---|---|---|---|
0 | 2 | 2.5 | 1.8 |
1 | 3 | 4.2 | 0.0 |
2 | 4 | 4.3 | 1.6 |
Теперь поэкспериментируем: откроем файл test2.csv
(можно в блокноте, а можно прямо в Jupyter, он открывает текстовые файлы) и изменим разделитель столбцов. Заменим запятые на точки с запятой:
A;B;C
2;2.5;1.8
3;4.2;0
4;4.3;1.6
# теперь при загрузке получим что-то не то
pd.read_csv("test2.csv")
A;B;C | |
---|---|
0 | 2;2.5;1.8 |
1 | 3;4.2;0 |
2 | 4;4.3;1.6 |
Это из-за разделителя столбцов по умолчанию (запятая), укажем явно, что теперь это точка с запятой:
# все хорошо
pd.read_csv("test2.csv", sep = ";")
A | B | C | |
---|---|---|---|
0 | 2 | 2.5 | 1.8 |
1 | 3 | 4.2 | 0.0 |
2 | 4 | 4.3 | 1.6 |
Если мы при этом еще изменим десятичный разделитель в дробях, нас тоже будут ожидать странности:
A;B;C
2;2,5;1,8
3;4,2;0
4;4,3;1,6
# визуально все так же
dd = pd.read_csv("test2.csv", sep = ";")
dd
A | B | C | |
---|---|---|---|
0 | 2 | 2,5 | 1,8 |
1 | 3 | 4,2 | 0 |
2 | 4 | 4,3 | 1,6 |
dd.info() # тип object, не float
<class 'pandas.core.frame.DataFrame'> RangeIndex: 3 entries, 0 to 2 Data columns (total 3 columns): A 3 non-null int64 B 3 non-null object C 3 non-null object dtypes: int64(1), object(2) memory usage: 152.0+ bytes
# изменим десятичный разделитель
dd = pd.read_csv("test2.csv", sep = ";", decimal = ",")
dd.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 3 entries, 0 to 2 Data columns (total 3 columns): A 3 non-null int64 B 3 non-null float64 C 3 non-null float64 dtypes: float64(2), int64(1) memory usage: 152.0 bytes
Пока загрузим файл по ссылке: пропишем путь к нему внутри функции read_csv()
из библиотеки pandas
. Плюс, сделаем так, чтобы первый столбец (с индексом 0) был использован в качестве названий строк (строки будут иметь не номер от 0 до N, а названия, которые мы захотим, важно только, чтобы они все были уникальными, без повторов):
df = pd.read_csv("scores2.csv", index_col = 0)
Иногда такой подход может быть полезен. Представьте, что все переменные в таблице, кроме id, измерены в количественной шкале, и мы планируем реализовать на них статистический метод, который работает исключительно с числовыми данными. Если мы просто выкинем столбец с id, мы потеряем информацию о наблюдении, если мы его оставим, нам придется собирать в отдельную таблицу показатели, к которым будем применять метод, так как сохраненный в исходной таблице текст будет мешать. Если же мы назовем строки в соответствии с id, мы убьем сразу двух зайцев: избавимся от столбца с текстом и не потеряем информацию о наблюдении (код, имя респондента, название страны и прочее).
В файле scores2.csv
сохранены оценки студентов-политологов по ряду курсов. Оценки реальные, взяты из кумулятивного рейтинга, но имена студентов зашифрованы – вместо них задействованы номера студенческих билетов. Посмотрим на датафрейм:
df
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ024 | 7 | 9 | 8 | 8 | 9 | 8 | 10 | 8.0 | 7 | 9 | 9 | 7.0 | 8 | 8.0 | 6 | 10 | 1 |
М141БПЛТЛ031 | 8 | 10 | 10 | 10 | 10 | 10 | 10 | 9.0 | 9 | 10 | 10 | 9.0 | 8 | 8.0 | 9 | 10 | 1 |
М141БПЛТЛ075 | 9 | 9 | 9 | 10 | 9 | 10 | 9 | 8.0 | 9 | 10 | 9 | 9.0 | 8 | 8.0 | 7 | 9 | 1 |
М141БПЛТЛ017 | 9 | 9 | 8 | 8 | 9 | 9 | 10 | 6.0 | 9 | 9 | 9 | 8.0 | 8 | 8.0 | 8 | 9 | 0 |
М141БПЛТЛ069 | 10 | 10 | 10 | 10 | 10 | 10 | 9 | 8.0 | 8 | 10 | 9 | 7.0 | 6 | 5.0 | 8 | 10 | 1 |
М141БПЛТЛ072 | 10 | 9 | 8 | 10 | 9 | 8 | 9 | 8.0 | 8 | 10 | 9 | 7.0 | 8 | 8.0 | 9 | 9 | 0 |
М141БПЛТЛ020 | 8 | 7 | 7 | 6 | 9 | 10 | 8 | 8.0 | 7 | 7 | 9 | 7.0 | 8 | 6.0 | 8 | 9 | 1 |
М141БПЛТЛ026 | 7 | 10 | 8 | 7 | 10 | 7 | 9 | 8.0 | 8 | 8 | 8 | 8.0 | 8 | 7.0 | 7 | 8 | 0 |
М141БПЛТЛ073 | 7 | 9 | 8 | 8 | 9 | 8 | 9 | 8.0 | 8 | 9 | 9 | 7.0 | 7 | 6.0 | 10 | 9 | 1 |
М141БПЛТЛ078 | 6 | 6 | 9 | 5 | 6 | 10 | 7 | 6.0 | 8 | 6 | 9 | 6.0 | 8 | 8.0 | 6 | 7 | 0 |
М141БПЛТЛ060 | 7 | 8 | 7 | 7 | 9 | 8 | 8 | 5.0 | 7 | 5 | 8 | 5.0 | 7 | 8.0 | 7 | 9 | 1 |
М141БПЛТЛ040 | 6 | 9 | 8 | 6 | 9 | 7 | 8 | 6.0 | 9 | 5 | 8 | 5.0 | 8 | 5.0 | 7 | 10 | 0 |
М141БПЛТЛ065 | 9 | 9 | 8 | 4 | 8 | 8 | 7 | 9.0 | 8 | 5 | 10 | 9.0 | 8 | 8.0 | 6 | 9 | 1 |
М141БПЛТЛ053 | 6 | 7 | 7 | 5 | 9 | 8 | 7 | 8.0 | 8 | 6 | 8 | 7.0 | 8 | 6.0 | 9 | 9 | 0 |
М141БПЛТЛ015 | 6 | 9 | 7 | 6 | 9 | 7 | 9 | 4.0 | 7 | 7 | 7 | 6.0 | 7 | 7.0 | 10 | 7 | 0 |
М141БПЛТЛ021 | 8 | 9 | 8 | 8 | 9 | 8 | 8 | 7.0 | 7 | 7 | 6 | 6.0 | 8 | 6.0 | 7 | 8 | 0 |
М141БПЛТЛ018 | 7 | 7 | 9 | 7 | 9 | 7 | 8 | 6.0 | 6 | 7 | 8 | 7.0 | 7 | 7.0 | 7 | 8 | 0 |
М141БПЛТЛ039 | 9 | 8 | 9 | 8 | 8 | 8 | 6 | 8.0 | 7 | 6 | 9 | 6.0 | 7 | 8.0 | 4 | 9 | 1 |
М141БПЛТЛ036 | 8 | 10 | 7 | 8 | 8 | 6 | 9 | 4.0 | 8 | 8 | 7 | 6.0 | 7 | 6.0 | 7 | 8 | 1 |
М141БПЛТЛ049 | 6 | 7 | 6 | 6 | 8 | 6 | 8 | 4.0 | 8 | 5 | 9 | 6.0 | 8 | 5.0 | 6 | 8 | 0 |
06114043 | 8 | 8 | 10 | 5 | 8 | 8 | 8 | 10.0 | 7 | 7 | 9 | NaN | 7 | 8.0 | 7 | 8 | 1 |
М141БПЛТЛ048 | 8 | 6 | 8 | 6 | 9 | 6 | 4 | 4.0 | 6 | 4 | 8 | 4.0 | 6 | 7.0 | 7 | 8 | 0 |
М141БПЛТЛ034 | 6 | 9 | 7 | 6 | 9 | 6 | 8 | 6.0 | 7 | 6 | 6 | 5.0 | 8 | 5.0 | 8 | 9 | 0 |
М141БПЛТЛ045 | 5 | 8 | 8 | 7 | 8 | 6 | 7 | 6.0 | 7 | 7 | 8 | 6.0 | 8 | 6.0 | 5 | 8 | 0 |
М141БПЛТЛ033 | 5 | 9 | 8 | 7 | 9 | 7 | 9 | 7.0 | 7 | 8 | 8 | 7.0 | 8 | 5.0 | 7 | 8 | 0 |
М141БПЛТЛ083 | 5 | 5 | 6 | 5 | 8 | 7 | 6 | 5.0 | 7 | 5 | 7 | 5.0 | 7 | 5.0 | 4 | 7 | 0 |
М141БПЛТЛ008 | 10 | 8 | 8 | 9 | 8 | 10 | 9 | 8.0 | 9 | 10 | 9 | 8.0 | 5 | 5.0 | 10 | 4 | 1 |
М141БПЛТЛ001 | 6 | 7 | 7 | 4 | 10 | 7 | 7 | 6.0 | 8 | 6 | 8 | 4.0 | 6 | 6.0 | 4 | 8 | 0 |
М141БПЛТЛ038 | 7 | 9 | 6 | 4 | 9 | 6 | 7 | 6.0 | 7 | 4 | 8 | 4.0 | 5 | 4.0 | 9 | 7 | 1 |
М141БПЛТЛ052 | 7 | 7 | 7 | 7 | 8 | 6 | 6 | 6.0 | 8 | 6 | 7 | 5.0 | 8 | 6.0 | 5 | 7 | 1 |
М141БПЛТЛ011 | 7 | 6 | 8 | 6 | 9 | 6 | 6 | 5.0 | 6 | 6 | 7 | 6.0 | 8 | 6.0 | 5 | 8 | 0 |
М141БПЛТЛ004 | 7 | 7 | 6 | 6 | 8 | 6 | 6 | 5.0 | 5 | 5 | 6 | 5.0 | 7 | 5.0 | 8 | 8 | 0 |
М141БПЛТЛ010 | 6 | 6 | 7 | 6 | 9 | 7 | 7 | 6.0 | 7 | 5 | 8 | 6.0 | 8 | 6.0 | 5 | 8 | 1 |
М141БПЛТЛ071 | 6 | 9 | 7 | 7 | 9 | 6 | 8 | 4.0 | 6 | 7 | 7 | 6.0 | 5 | NaN | 5 | 7 | 0 |
М141БПЛТЛ035 | 5 | 6 | 7 | 6 | 8 | 5 | 5 | 4.0 | 6 | 6 | 7 | 5.0 | 8 | 7.0 | 6 | 7 | 0 |
М141БПЛТЛ030 | 7 | 6 | 6 | 6 | 7 | 6 | 6 | 4.0 | 8 | 5 | 5 | 5.0 | 8 | 5.0 | 7 | 9 | 1 |
М141БПЛТЛ070 | 5 | 5 | 6 | 4 | 8 | 6 | 5 | 5.0 | 6 | 4 | 5 | 6.0 | 8 | 5.0 | 6 | 7 | 0 |
М141БПЛТЛ051 | 8 | 9 | 8 | 6 | 8 | 7 | 6 | 7.0 | 6 | 6 | 6 | 5.0 | 4 | 4.0 | 5 | 5 | 1 |
М141БПЛТЛ046 | 5 | 7 | 7 | 4 | 7 | 5 | 8 | 5.0 | 7 | 5 | 7 | 5.0 | 8 | 4.0 | 5 | 7 | 0 |
М141БПЛТЛ047 | 5 | 8 | 6 | 4 | 7 | 5 | 9 | 5.0 | 6 | 4 | 6 | 4.0 | 7 | 4.0 | 8 | 8 | 0 |
М141БПЛТЛ063 | 5 | 5 | 6 | 4 | 8 | 4 | 4 | 4.0 | 5 | 4 | 5 | 4.0 | 7 | 5.0 | 8 | 8 | 0 |
М141БПЛТЛ029 | 6 | 8 | 8 | 7 | 9 | 5 | 6 | 7.0 | 6 | 5 | 8 | 5.0 | 7 | 4.0 | 5 | 7 | 0 |
М141БПЛТЛ064 | 7 | 8 | 6 | 7 | 6 | 6 | 8 | 4.0 | 6 | 4 | 4 | 4.0 | 6 | 5.0 | 4 | 7 | 0 |
М141БПЛТЛ076 | 7 | 7 | 8 | 6 | 8 | 6 | 6 | 6.0 | 8 | 6 | 8 | 5.0 | 7 | 4.0 | 4 | 6 | 0 |
М141БПЛТЛ062 | 7 | 7 | 7 | 6 | 9 | 6 | 6 | 5.0 | 6 | 5 | 6 | 4.0 | 5 | 5.0 | 4 | 6 | 0 |
М141БПЛТЛ074 | 5 | 6 | 7 | 4 | 7 | 6 | 5 | 6.0 | 6 | 6 | 8 | 6.0 | 6 | 6.0 | 8 | 8 | 1 |
130232038 | 6 | 7 | 6 | 5 | 8 | 4 | 8 | 4.0 | 8 | 4 | 5 | 5.0 | 6 | 4.0 | 5 | 6 | 0 |
М141БПЛТЛ023 | 7 | 9 | 6 | 8 | 9 | 6 | 9 | 4.0 | 7 | 7 | 7 | 6.0 | 4 | 4.0 | 7 | 5 | 1 |
М141БПЛТЛ054 | 7 | 8 | 6 | 4 | 8 | 6 | 4 | 4.0 | 6 | 4 | 8 | 4.0 | 4 | 4.0 | 4 | 8 | 1 |
М141БПЛТЛ012 | 6 | 6 | 7 | 4 | 10 | 6 | 5 | 4.0 | 7 | 5 | 7 | 4.0 | 5 | 4.0 | 4 | 8 | 1 |
М141БПЛТЛ006 | 6 | 5 | 6 | 5 | 8 | 5 | 5 | 5.0 | 6 | 4 | 7 | 5.0 | 7 | 5.0 | 6 | 8 | 0 |
М141БПЛТЛ055 | 6 | 5 | 6 | 4 | 7 | 7 | 4 | 8.0 | 5 | 4 | 6 | 4.0 | 6 | 5.0 | 4 | 5 | 1 |
М141БПЛТЛ007 | 6 | 7 | 7 | 6 | 7 | 6 | 7 | 4.0 | 5 | 5 | 6 | 5.0 | 4 | 5.0 | 4 | 7 | 1 |
М141БПЛТЛ050 | 8 | 6 | 6 | 6 | 8 | 4 | 5 | 4.0 | 5 | 5 | 6 | 4.0 | 5 | 4.0 | 6 | 6 | 0 |
М141БПЛТЛ066 | 7 | 10 | 7 | 7 | 9 | 5 | 8 | 4.0 | 6 | 5 | 6 | 4.0 | 6 | 4.0 | 5 | 6 | 0 |
М141БПЛТЛ043 | 5 | 5 | 6 | 5 | 8 | 5 | 6 | 5.0 | 6 | 4 | 5 | 4.0 | 5 | NaN | 4 | 6 | 0 |
М141БПЛТЛ084 | 6 | 7 | 8 | 4 | 8 | 5 | 5 | NaN | 8 | 4 | 4 | 4.0 | 4 | 4.0 | 6 | 7 | 1 |
М141БПЛТЛ005 | 5 | 7 | 5 | 5 | 7 | 4 | 7 | 4.0 | 5 | 4 | 5 | 5.0 | 4 | 4.0 | 4 | 8 | 1 |
М141БПЛТЛ044 | 4 | 5 | 7 | 4 | 6 | 4 | 4 | 5.0 | 4 | 4 | 4 | 4.0 | 6 | NaN | 5 | 5 | 1 |
13051038 | 5 | 4 | 4 | 4 | 9 | 5 | 5 | 5.0 | 5 | 4 | 4 | NaN | 7 | 4.0 | 4 | 4 | 1 |
Так как в нашем случае таблица не очень большая, Python вывел её на экран полностью. Если строк или столбцов было бы слишком много, Python вывел бы несколько первых и последних, а в середине бы поставил многоточие.
Описание показателей (переменных):
id
– номер студенческого билета;catps
– оценка по курсу Категории политической науки;mstat
– оценка по курсу Математика и статистика;soc
– оценка по курсу Социология;econ
– оценка по курсу Экономика;eng
– оценка по курсу Английский язык;polth
– оценка по курсу История политических учений;mstat2
– оценка по курсу Математика и статистика (часть 2);phist
– оценка по курсу Политическая история;law
– оценка по курсу Право;phil
– оценка по курсу Философия;polsoc
– оценка по курсу Политическая социология;ptheo
– оценка по курсу Политическая теория;preg
– оценка по курсу Политическая регионалистика;compp
– оценка по курсу Сравнительная политика;game
– оценка по курсу Теория игр;wpol
– оценка по курсу Мировая политика и международные отношения;male
– пол (1 – мужской, 0 – женский).Получим сводную информацию по таблице:
df.info()
<class 'pandas.core.frame.DataFrame'> Index: 60 entries, М141БПЛТЛ024 to 13051038 Data columns (total 17 columns): catps 60 non-null int64 mstat 60 non-null int64 soc 60 non-null int64 econ 60 non-null int64 eng 60 non-null int64 polth 60 non-null int64 mstat2 60 non-null int64 phist 59 non-null float64 law 60 non-null int64 phil 60 non-null int64 polsoc 60 non-null int64 ptheo 58 non-null float64 preg 60 non-null int64 compp 57 non-null float64 game 60 non-null int64 wpol 60 non-null int64 male 60 non-null int64 dtypes: float64(3), int64(14) memory usage: 8.4+ KB
Какую информацию выдал метод .info()
? Во-первых, он сообщил нам, что df
является объектом DataFrame
. Во-вторых, он вывел число строк (60 entries) и показал их индексы (0 to 59). В-третьих, он вывел число столбцов (total 18 columns). Наконец, он выдал информацию по каждому столбцу. Остановимся на этом поподробнее.
В выдаче выше представлено, сколько непустых элементов содержится в каждом столбце. Непустые элементы non-null – это всё, кроме пропущенных значений, которые кодируются особым образом (NaN
– от Not A Number). В нашей таблице есть столбцы, которые заполнены неполностью.
Далее указан тип каждого столбца, целочисленный int64
и строковый object
. Что означают числа в конце? Это объем памяти, который требуется для хранения.
Сводную статистическую информацию можно получить с помощью метода .describe()
.
df.describe()
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
count | 60.000000 | 60.000000 | 60.000000 | 60.000000 | 60.000000 | 60.000000 | 60.000000 | 59.000000 | 60.000000 | 60.000000 | 60.000000 | 58.000000 | 60.000000 | 57.000000 | 60.000000 | 60.000000 | 60.000000 |
mean | 6.700000 | 7.466667 | 7.216667 | 6.116667 | 8.350000 | 6.600000 | 7.033333 | 5.830508 | 6.866667 | 5.966667 | 7.183333 | 5.603448 | 6.700000 | 5.631579 | 6.250000 | 7.566667 | 0.450000 |
std | 1.417804 | 1.578099 | 1.208608 | 1.718214 | 0.971195 | 1.638519 | 1.707081 | 1.662492 | 1.213856 | 1.850027 | 1.589069 | 1.413465 | 1.356716 | 1.422166 | 1.781496 | 1.430499 | 0.501692 |
min | 4.000000 | 4.000000 | 4.000000 | 4.000000 | 6.000000 | 4.000000 | 4.000000 | 4.000000 | 4.000000 | 4.000000 | 4.000000 | 4.000000 | 4.000000 | 4.000000 | 4.000000 | 4.000000 | 0.000000 |
25% | 6.000000 | 6.000000 | 6.000000 | 5.000000 | 8.000000 | 6.000000 | 6.000000 | 4.000000 | 6.000000 | 4.750000 | 6.000000 | 4.250000 | 6.000000 | 4.000000 | 5.000000 | 7.000000 | 0.000000 |
50% | 7.000000 | 7.000000 | 7.000000 | 6.000000 | 8.000000 | 6.000000 | 7.000000 | 6.000000 | 7.000000 | 5.500000 | 7.000000 | 5.000000 | 7.000000 | 5.000000 | 6.000000 | 8.000000 | 0.000000 |
75% | 7.250000 | 9.000000 | 8.000000 | 7.000000 | 9.000000 | 8.000000 | 8.000000 | 7.000000 | 8.000000 | 7.000000 | 8.000000 | 6.000000 | 8.000000 | 7.000000 | 7.250000 | 8.250000 | 1.000000 |
max | 10.000000 | 10.000000 | 10.000000 | 10.000000 | 10.000000 | 10.000000 | 10.000000 | 10.000000 | 9.000000 | 10.000000 | 10.000000 | 9.000000 | 8.000000 | 8.000000 | 10.000000 | 10.000000 | 1.000000 |
В случае количественных показателей этот метод возвращает таблицу с основными описательными статистиками:
count
– число непустых (заполненных) значенийmean
– среднее арифметическоеstd
– стандартное отклонение (показатель разброса данных относительно среднего значения)min
– минимальное значениеmax
– максимальное значение25%
– нижний квартиль (значение, которое 25% значений не превышают)50%
– медиана (значение, которое 50% значений не превышают)75%
– верхний квартиль (значение, которое 75% значений не превышают)Посмотрим на структуру таблицы более внимательно. Выберем первый столбец catps
:
df['catps']
id М141БПЛТЛ024 7 М141БПЛТЛ031 8 М141БПЛТЛ075 9 М141БПЛТЛ017 9 М141БПЛТЛ069 10 М141БПЛТЛ072 10 М141БПЛТЛ020 8 М141БПЛТЛ026 7 М141БПЛТЛ073 7 М141БПЛТЛ078 6 М141БПЛТЛ060 7 М141БПЛТЛ040 6 М141БПЛТЛ065 9 М141БПЛТЛ053 6 М141БПЛТЛ015 6 М141БПЛТЛ021 8 М141БПЛТЛ018 7 М141БПЛТЛ039 9 М141БПЛТЛ036 8 М141БПЛТЛ049 6 06114043 8 М141БПЛТЛ048 8 М141БПЛТЛ034 6 М141БПЛТЛ045 5 М141БПЛТЛ033 5 М141БПЛТЛ083 5 М141БПЛТЛ008 10 М141БПЛТЛ001 6 М141БПЛТЛ038 7 М141БПЛТЛ052 7 М141БПЛТЛ011 7 М141БПЛТЛ004 7 М141БПЛТЛ010 6 М141БПЛТЛ071 6 М141БПЛТЛ035 5 М141БПЛТЛ030 7 М141БПЛТЛ070 5 М141БПЛТЛ051 8 М141БПЛТЛ046 5 М141БПЛТЛ047 5 М141БПЛТЛ063 5 М141БПЛТЛ029 6 М141БПЛТЛ064 7 М141БПЛТЛ076 7 М141БПЛТЛ062 7 М141БПЛТЛ074 5 130232038 6 М141БПЛТЛ023 7 М141БПЛТЛ054 7 М141БПЛТЛ012 6 М141БПЛТЛ006 6 М141БПЛТЛ055 6 М141БПЛТЛ007 6 М141БПЛТЛ050 8 М141БПЛТЛ066 7 М141БПЛТЛ043 5 М141БПЛТЛ084 6 М141БПЛТЛ005 5 М141БПЛТЛ044 4 13051038 5 Name: catps, dtype: int64
Столбец датафрейма df
имеет особый тип Series. Внешне Series отличается от обычного списка значений, потому что, во-первых, при вызове столбца на экран выводятся не только сами элементы, но их номер (номер строки), а во-вторых, на экран выводится строка с названием столбца (Name: id
) и его тип (dtype: object
, текстовый). Первая особенность роднит Series со словарями: он представляет собой пары ключ-значение, то есть номер-значение. Вторая особенность роднит Series с массивами numpy
: элементы обычно должны быть одного типа.
Можно вывести первые или последние строки таблицы, используя методы .head()
и .tail()
.
df.head()
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ024 | 7 | 9 | 8 | 8 | 9 | 8 | 10 | 8.0 | 7 | 9 | 9 | 7.0 | 8 | 8.0 | 6 | 10 | 1 |
М141БПЛТЛ031 | 8 | 10 | 10 | 10 | 10 | 10 | 10 | 9.0 | 9 | 10 | 10 | 9.0 | 8 | 8.0 | 9 | 10 | 1 |
М141БПЛТЛ075 | 9 | 9 | 9 | 10 | 9 | 10 | 9 | 8.0 | 9 | 10 | 9 | 9.0 | 8 | 8.0 | 7 | 9 | 1 |
М141БПЛТЛ017 | 9 | 9 | 8 | 8 | 9 | 9 | 10 | 6.0 | 9 | 9 | 9 | 8.0 | 8 | 8.0 | 8 | 9 | 0 |
М141БПЛТЛ069 | 10 | 10 | 10 | 10 | 10 | 10 | 9 | 8.0 | 8 | 10 | 9 | 7.0 | 6 | 5.0 | 8 | 10 | 1 |
df.tail()
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ043 | 5 | 5 | 6 | 5 | 8 | 5 | 6 | 5.0 | 6 | 4 | 5 | 4.0 | 5 | NaN | 4 | 6 | 0 |
М141БПЛТЛ084 | 6 | 7 | 8 | 4 | 8 | 5 | 5 | NaN | 8 | 4 | 4 | 4.0 | 4 | 4.0 | 6 | 7 | 1 |
М141БПЛТЛ005 | 5 | 7 | 5 | 5 | 7 | 4 | 7 | 4.0 | 5 | 4 | 5 | 5.0 | 4 | 4.0 | 4 | 8 | 1 |
М141БПЛТЛ044 | 4 | 5 | 7 | 4 | 6 | 4 | 4 | 5.0 | 4 | 4 | 4 | 4.0 | 6 | NaN | 5 | 5 | 1 |
13051038 | 5 | 4 | 4 | 4 | 9 | 5 | 5 | 5.0 | 5 | 4 | 4 | NaN | 7 | 4.0 | 4 | 4 | 1 |
Внимание: это просто первые и последние строки таблицы «как есть». Никакой сортировки не происходит!
По умолчанию эти методы выводят пять строк, но при желании это легко изменить. Достаточно в скобках указать желаемое число строк.
df.head(10) # первые 10 строк
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ024 | 7 | 9 | 8 | 8 | 9 | 8 | 10 | 8.0 | 7 | 9 | 9 | 7.0 | 8 | 8.0 | 6 | 10 | 1 |
М141БПЛТЛ031 | 8 | 10 | 10 | 10 | 10 | 10 | 10 | 9.0 | 9 | 10 | 10 | 9.0 | 8 | 8.0 | 9 | 10 | 1 |
М141БПЛТЛ075 | 9 | 9 | 9 | 10 | 9 | 10 | 9 | 8.0 | 9 | 10 | 9 | 9.0 | 8 | 8.0 | 7 | 9 | 1 |
М141БПЛТЛ017 | 9 | 9 | 8 | 8 | 9 | 9 | 10 | 6.0 | 9 | 9 | 9 | 8.0 | 8 | 8.0 | 8 | 9 | 0 |
М141БПЛТЛ069 | 10 | 10 | 10 | 10 | 10 | 10 | 9 | 8.0 | 8 | 10 | 9 | 7.0 | 6 | 5.0 | 8 | 10 | 1 |
М141БПЛТЛ072 | 10 | 9 | 8 | 10 | 9 | 8 | 9 | 8.0 | 8 | 10 | 9 | 7.0 | 8 | 8.0 | 9 | 9 | 0 |
М141БПЛТЛ020 | 8 | 7 | 7 | 6 | 9 | 10 | 8 | 8.0 | 7 | 7 | 9 | 7.0 | 8 | 6.0 | 8 | 9 | 1 |
М141БПЛТЛ026 | 7 | 10 | 8 | 7 | 10 | 7 | 9 | 8.0 | 8 | 8 | 8 | 8.0 | 8 | 7.0 | 7 | 8 | 0 |
М141БПЛТЛ073 | 7 | 9 | 8 | 8 | 9 | 8 | 9 | 8.0 | 8 | 9 | 9 | 7.0 | 7 | 6.0 | 10 | 9 | 1 |
М141БПЛТЛ078 | 6 | 6 | 9 | 5 | 6 | 10 | 7 | 6.0 | 8 | 6 | 9 | 6.0 | 8 | 8.0 | 6 | 7 | 0 |
Когда таблица большая, увидеть все столбцы разом не получится. Поэтому полезно знать, как получить список названий столбцов.
df.columns
Index(['catps', 'mstat', 'soc', 'econ', 'eng', 'polth', 'mstat2', 'phist', 'law', 'phil', 'polsoc', 'ptheo', 'preg', 'compp', 'game', 'wpol', 'male'], dtype='object')
Обратите внимание: полученный объект не является обычным списком:
type(df.columns) # это Index из pandas
pandas.core.indexes.base.Index
Чтобы получить список названий, достаточно сконвертировать тип с помощью привычного list()
:
c = list(df.columns)
print(c)
['catps', 'mstat', 'soc', 'econ', 'eng', 'polth', 'mstat2', 'phist', 'law', 'phil', 'polsoc', 'ptheo', 'preg', 'compp', 'game', 'wpol', 'male']
Аналогичная история со строками:
df.index
Index(['М141БПЛТЛ024', 'М141БПЛТЛ031', 'М141БПЛТЛ075', 'М141БПЛТЛ017', 'М141БПЛТЛ069', 'М141БПЛТЛ072', 'М141БПЛТЛ020', 'М141БПЛТЛ026', 'М141БПЛТЛ073', 'М141БПЛТЛ078', 'М141БПЛТЛ060', 'М141БПЛТЛ040', 'М141БПЛТЛ065', 'М141БПЛТЛ053', 'М141БПЛТЛ015', 'М141БПЛТЛ021', 'М141БПЛТЛ018', 'М141БПЛТЛ039', 'М141БПЛТЛ036', 'М141БПЛТЛ049', '06114043', 'М141БПЛТЛ048', 'М141БПЛТЛ034', 'М141БПЛТЛ045', 'М141БПЛТЛ033', 'М141БПЛТЛ083', 'М141БПЛТЛ008', 'М141БПЛТЛ001', 'М141БПЛТЛ038', 'М141БПЛТЛ052', 'М141БПЛТЛ011', 'М141БПЛТЛ004', 'М141БПЛТЛ010', 'М141БПЛТЛ071', 'М141БПЛТЛ035', 'М141БПЛТЛ030', 'М141БПЛТЛ070', 'М141БПЛТЛ051', 'М141БПЛТЛ046', 'М141БПЛТЛ047', 'М141БПЛТЛ063', 'М141БПЛТЛ029', 'М141БПЛТЛ064', 'М141БПЛТЛ076', 'М141БПЛТЛ062', 'М141БПЛТЛ074', '130232038', 'М141БПЛТЛ023', 'М141БПЛТЛ054', 'М141БПЛТЛ012', 'М141БПЛТЛ006', 'М141БПЛТЛ055', 'М141БПЛТЛ007', 'М141БПЛТЛ050', 'М141БПЛТЛ066', 'М141БПЛТЛ043', 'М141БПЛТЛ084', 'М141БПЛТЛ005', 'М141БПЛТЛ044', '13051038'], dtype='object', name='id')
Важно: датафреймы являются изменяемой структурой данных (да-да, как списки). Поэтому, применяя некоторые методы к объекту типа DataFrame
или внося какие-то изменения в ссылку на него, мы меняем исходный датафрейм, и к этому надо быть готовым. Если вы не планируете вносить изменения в исходную базу, имеет смысл сделать её копию и работать с ней. Например, вот так:
# метод copy
df_new = df.copy()
Обратите внимание: создать копию обычным присваиванием не получится, код вида df_new = df
создаст новую ссылку на датафрейм, но не новый датафрейм. Поэтому при изменении df_new
база df
также изменится (вспомните историю о коварстве списков).
Однако это касается не всех преобразований, многие методы для датафреймов уже устроены так, что они возвращают измененную копию датафрейма и не изменяют исходный датафрейм. Чтобы изменить исходный датафрейм, можно добавить аргумент inplace = True
, он есть у многих методов.
Выбор столбцов по названию
Часто удобнее всего выбирать столбец по названию. Для этого достаточно указать название столбца в квадратных скобках (и обязательно в кавычках, так как название является строкой):
df['mstat']
id М141БПЛТЛ024 9 М141БПЛТЛ031 10 М141БПЛТЛ075 9 М141БПЛТЛ017 9 М141БПЛТЛ069 10 М141БПЛТЛ072 9 М141БПЛТЛ020 7 М141БПЛТЛ026 10 М141БПЛТЛ073 9 М141БПЛТЛ078 6 М141БПЛТЛ060 8 М141БПЛТЛ040 9 М141БПЛТЛ065 9 М141БПЛТЛ053 7 М141БПЛТЛ015 9 М141БПЛТЛ021 9 М141БПЛТЛ018 7 М141БПЛТЛ039 8 М141БПЛТЛ036 10 М141БПЛТЛ049 7 06114043 8 М141БПЛТЛ048 6 М141БПЛТЛ034 9 М141БПЛТЛ045 8 М141БПЛТЛ033 9 М141БПЛТЛ083 5 М141БПЛТЛ008 8 М141БПЛТЛ001 7 М141БПЛТЛ038 9 М141БПЛТЛ052 7 М141БПЛТЛ011 6 М141БПЛТЛ004 7 М141БПЛТЛ010 6 М141БПЛТЛ071 9 М141БПЛТЛ035 6 М141БПЛТЛ030 6 М141БПЛТЛ070 5 М141БПЛТЛ051 9 М141БПЛТЛ046 7 М141БПЛТЛ047 8 М141БПЛТЛ063 5 М141БПЛТЛ029 8 М141БПЛТЛ064 8 М141БПЛТЛ076 7 М141БПЛТЛ062 7 М141БПЛТЛ074 6 130232038 7 М141БПЛТЛ023 9 М141БПЛТЛ054 8 М141БПЛТЛ012 6 М141БПЛТЛ006 5 М141БПЛТЛ055 5 М141БПЛТЛ007 7 М141БПЛТЛ050 6 М141БПЛТЛ066 10 М141БПЛТЛ043 5 М141БПЛТЛ084 7 М141БПЛТЛ005 7 М141БПЛТЛ044 5 13051038 4 Name: mstat, dtype: int64
Ещё столбец можно выбрать, не используя квадратные скобки, а просто указав его название через точку:
df.mstat
id М141БПЛТЛ024 9 М141БПЛТЛ031 10 М141БПЛТЛ075 9 М141БПЛТЛ017 9 М141БПЛТЛ069 10 М141БПЛТЛ072 9 М141БПЛТЛ020 7 М141БПЛТЛ026 10 М141БПЛТЛ073 9 М141БПЛТЛ078 6 М141БПЛТЛ060 8 М141БПЛТЛ040 9 М141БПЛТЛ065 9 М141БПЛТЛ053 7 М141БПЛТЛ015 9 М141БПЛТЛ021 9 М141БПЛТЛ018 7 М141БПЛТЛ039 8 М141БПЛТЛ036 10 М141БПЛТЛ049 7 06114043 8 М141БПЛТЛ048 6 М141БПЛТЛ034 9 М141БПЛТЛ045 8 М141БПЛТЛ033 9 М141БПЛТЛ083 5 М141БПЛТЛ008 8 М141БПЛТЛ001 7 М141БПЛТЛ038 9 М141БПЛТЛ052 7 М141БПЛТЛ011 6 М141БПЛТЛ004 7 М141БПЛТЛ010 6 М141БПЛТЛ071 9 М141БПЛТЛ035 6 М141БПЛТЛ030 6 М141БПЛТЛ070 5 М141БПЛТЛ051 9 М141БПЛТЛ046 7 М141БПЛТЛ047 8 М141БПЛТЛ063 5 М141БПЛТЛ029 8 М141БПЛТЛ064 8 М141БПЛТЛ076 7 М141БПЛТЛ062 7 М141БПЛТЛ074 6 130232038 7 М141БПЛТЛ023 9 М141БПЛТЛ054 8 М141БПЛТЛ012 6 М141БПЛТЛ006 5 М141БПЛТЛ055 5 М141БПЛТЛ007 7 М141БПЛТЛ050 6 М141БПЛТЛ066 10 М141БПЛТЛ043 5 М141БПЛТЛ084 7 М141БПЛТЛ005 7 М141БПЛТЛ044 5 13051038 4 Name: mstat, dtype: int64
Однако такой способ не универсален. В случае, если в названии столбца используются недопустимые для переменных символы (пробелы, тире, кириллические буквы), этот метод не подойдет.
Если нам нужно выбрать более одного столбца, то названия столбцов указываются внутри списка – появляются двойные квадратные скобки:
df[["soc", "polsoc"]]
soc | polsoc | |
---|---|---|
id | ||
М141БПЛТЛ024 | 8 | 9 |
М141БПЛТЛ031 | 10 | 10 |
М141БПЛТЛ075 | 9 | 9 |
М141БПЛТЛ017 | 8 | 9 |
М141БПЛТЛ069 | 10 | 9 |
М141БПЛТЛ072 | 8 | 9 |
М141БПЛТЛ020 | 7 | 9 |
М141БПЛТЛ026 | 8 | 8 |
М141БПЛТЛ073 | 8 | 9 |
М141БПЛТЛ078 | 9 | 9 |
М141БПЛТЛ060 | 7 | 8 |
М141БПЛТЛ040 | 8 | 8 |
М141БПЛТЛ065 | 8 | 10 |
М141БПЛТЛ053 | 7 | 8 |
М141БПЛТЛ015 | 7 | 7 |
М141БПЛТЛ021 | 8 | 6 |
М141БПЛТЛ018 | 9 | 8 |
М141БПЛТЛ039 | 9 | 9 |
М141БПЛТЛ036 | 7 | 7 |
М141БПЛТЛ049 | 6 | 9 |
06114043 | 10 | 9 |
М141БПЛТЛ048 | 8 | 8 |
М141БПЛТЛ034 | 7 | 6 |
М141БПЛТЛ045 | 8 | 8 |
М141БПЛТЛ033 | 8 | 8 |
М141БПЛТЛ083 | 6 | 7 |
М141БПЛТЛ008 | 8 | 9 |
М141БПЛТЛ001 | 7 | 8 |
М141БПЛТЛ038 | 6 | 8 |
М141БПЛТЛ052 | 7 | 7 |
М141БПЛТЛ011 | 8 | 7 |
М141БПЛТЛ004 | 6 | 6 |
М141БПЛТЛ010 | 7 | 8 |
М141БПЛТЛ071 | 7 | 7 |
М141БПЛТЛ035 | 7 | 7 |
М141БПЛТЛ030 | 6 | 5 |
М141БПЛТЛ070 | 6 | 5 |
М141БПЛТЛ051 | 8 | 6 |
М141БПЛТЛ046 | 7 | 7 |
М141БПЛТЛ047 | 6 | 6 |
М141БПЛТЛ063 | 6 | 5 |
М141БПЛТЛ029 | 8 | 8 |
М141БПЛТЛ064 | 6 | 4 |
М141БПЛТЛ076 | 8 | 8 |
М141БПЛТЛ062 | 7 | 6 |
М141БПЛТЛ074 | 7 | 8 |
130232038 | 6 | 5 |
М141БПЛТЛ023 | 6 | 7 |
М141БПЛТЛ054 | 6 | 8 |
М141БПЛТЛ012 | 7 | 7 |
М141БПЛТЛ006 | 6 | 7 |
М141БПЛТЛ055 | 6 | 6 |
М141БПЛТЛ007 | 7 | 6 |
М141БПЛТЛ050 | 6 | 6 |
М141БПЛТЛ066 | 7 | 6 |
М141БПЛТЛ043 | 6 | 5 |
М141БПЛТЛ084 | 8 | 4 |
М141БПЛТЛ005 | 5 | 5 |
М141БПЛТЛ044 | 7 | 4 |
13051038 | 4 | 4 |
Если нам нужно несколько столбцов подряд, начиная с одного названия и заканчивая другим, можно воспользоваться методом .loc
:
df.loc[:, 'econ' : 'law']
econ | eng | polth | mstat2 | phist | law | |
---|---|---|---|---|---|---|
id | ||||||
М141БПЛТЛ024 | 8 | 9 | 8 | 10 | 8.0 | 7 |
М141БПЛТЛ031 | 10 | 10 | 10 | 10 | 9.0 | 9 |
М141БПЛТЛ075 | 10 | 9 | 10 | 9 | 8.0 | 9 |
М141БПЛТЛ017 | 8 | 9 | 9 | 10 | 6.0 | 9 |
М141БПЛТЛ069 | 10 | 10 | 10 | 9 | 8.0 | 8 |
М141БПЛТЛ072 | 10 | 9 | 8 | 9 | 8.0 | 8 |
М141БПЛТЛ020 | 6 | 9 | 10 | 8 | 8.0 | 7 |
М141БПЛТЛ026 | 7 | 10 | 7 | 9 | 8.0 | 8 |
М141БПЛТЛ073 | 8 | 9 | 8 | 9 | 8.0 | 8 |
М141БПЛТЛ078 | 5 | 6 | 10 | 7 | 6.0 | 8 |
М141БПЛТЛ060 | 7 | 9 | 8 | 8 | 5.0 | 7 |
М141БПЛТЛ040 | 6 | 9 | 7 | 8 | 6.0 | 9 |
М141БПЛТЛ065 | 4 | 8 | 8 | 7 | 9.0 | 8 |
М141БПЛТЛ053 | 5 | 9 | 8 | 7 | 8.0 | 8 |
М141БПЛТЛ015 | 6 | 9 | 7 | 9 | 4.0 | 7 |
М141БПЛТЛ021 | 8 | 9 | 8 | 8 | 7.0 | 7 |
М141БПЛТЛ018 | 7 | 9 | 7 | 8 | 6.0 | 6 |
М141БПЛТЛ039 | 8 | 8 | 8 | 6 | 8.0 | 7 |
М141БПЛТЛ036 | 8 | 8 | 6 | 9 | 4.0 | 8 |
М141БПЛТЛ049 | 6 | 8 | 6 | 8 | 4.0 | 8 |
06114043 | 5 | 8 | 8 | 8 | 10.0 | 7 |
М141БПЛТЛ048 | 6 | 9 | 6 | 4 | 4.0 | 6 |
М141БПЛТЛ034 | 6 | 9 | 6 | 8 | 6.0 | 7 |
М141БПЛТЛ045 | 7 | 8 | 6 | 7 | 6.0 | 7 |
М141БПЛТЛ033 | 7 | 9 | 7 | 9 | 7.0 | 7 |
М141БПЛТЛ083 | 5 | 8 | 7 | 6 | 5.0 | 7 |
М141БПЛТЛ008 | 9 | 8 | 10 | 9 | 8.0 | 9 |
М141БПЛТЛ001 | 4 | 10 | 7 | 7 | 6.0 | 8 |
М141БПЛТЛ038 | 4 | 9 | 6 | 7 | 6.0 | 7 |
М141БПЛТЛ052 | 7 | 8 | 6 | 6 | 6.0 | 8 |
М141БПЛТЛ011 | 6 | 9 | 6 | 6 | 5.0 | 6 |
М141БПЛТЛ004 | 6 | 8 | 6 | 6 | 5.0 | 5 |
М141БПЛТЛ010 | 6 | 9 | 7 | 7 | 6.0 | 7 |
М141БПЛТЛ071 | 7 | 9 | 6 | 8 | 4.0 | 6 |
М141БПЛТЛ035 | 6 | 8 | 5 | 5 | 4.0 | 6 |
М141БПЛТЛ030 | 6 | 7 | 6 | 6 | 4.0 | 8 |
М141БПЛТЛ070 | 4 | 8 | 6 | 5 | 5.0 | 6 |
М141БПЛТЛ051 | 6 | 8 | 7 | 6 | 7.0 | 6 |
М141БПЛТЛ046 | 4 | 7 | 5 | 8 | 5.0 | 7 |
М141БПЛТЛ047 | 4 | 7 | 5 | 9 | 5.0 | 6 |
М141БПЛТЛ063 | 4 | 8 | 4 | 4 | 4.0 | 5 |
М141БПЛТЛ029 | 7 | 9 | 5 | 6 | 7.0 | 6 |
М141БПЛТЛ064 | 7 | 6 | 6 | 8 | 4.0 | 6 |
М141БПЛТЛ076 | 6 | 8 | 6 | 6 | 6.0 | 8 |
М141БПЛТЛ062 | 6 | 9 | 6 | 6 | 5.0 | 6 |
М141БПЛТЛ074 | 4 | 7 | 6 | 5 | 6.0 | 6 |
130232038 | 5 | 8 | 4 | 8 | 4.0 | 8 |
М141БПЛТЛ023 | 8 | 9 | 6 | 9 | 4.0 | 7 |
М141БПЛТЛ054 | 4 | 8 | 6 | 4 | 4.0 | 6 |
М141БПЛТЛ012 | 4 | 10 | 6 | 5 | 4.0 | 7 |
М141БПЛТЛ006 | 5 | 8 | 5 | 5 | 5.0 | 6 |
М141БПЛТЛ055 | 4 | 7 | 7 | 4 | 8.0 | 5 |
М141БПЛТЛ007 | 6 | 7 | 6 | 7 | 4.0 | 5 |
М141БПЛТЛ050 | 6 | 8 | 4 | 5 | 4.0 | 5 |
М141БПЛТЛ066 | 7 | 9 | 5 | 8 | 4.0 | 6 |
М141БПЛТЛ043 | 5 | 8 | 5 | 6 | 5.0 | 6 |
М141БПЛТЛ084 | 4 | 8 | 5 | 5 | NaN | 8 |
М141БПЛТЛ005 | 5 | 7 | 4 | 7 | 4.0 | 5 |
М141БПЛТЛ044 | 4 | 6 | 4 | 4 | 5.0 | 4 |
13051038 | 4 | 9 | 5 | 5 | 5.0 | 5 |
Откуда в квадратных скобках взялось двоеточие? Дело в том, что метод .loc
– более универсальный, и позволяет выбирать не только столбцы, но и строки. При этом нужные строки указываются на первом месте, а столбцы – на втором. Когда мы пишем .loc[:, 1]
, мы сообщаем Python, что нам нужны все строки (:
) и столбцы, начиная с Econ
и до Law
включительно.
Внимание: выбор столбцов по названиям через двоеточие очень напоминает срезы (slices) в списках. Но есть важное отличие. В случае текстовых названий, оба конца среза (левый и правый) включаются. Если бы срезы по названиям были бы устроены как срезы по числовым индексам, код выше выдавал бы столбцы с Econ
и до Phist
, не включая колонку Law
, так как в обычных срезах правый конец исключается.
Выбор столбцов по номеру
Иногда может возникнуть необходимость выбрать столбец по его порядковому номеру. Например, когда названий столбцов нет как таковых или когда названия слишком длинные, а переименовывать их нежелательно. Сделать это можно с помощью метода .iloc
:
df.iloc[:, 1]
id М141БПЛТЛ024 9 М141БПЛТЛ031 10 М141БПЛТЛ075 9 М141БПЛТЛ017 9 М141БПЛТЛ069 10 М141БПЛТЛ072 9 М141БПЛТЛ020 7 М141БПЛТЛ026 10 М141БПЛТЛ073 9 М141БПЛТЛ078 6 М141БПЛТЛ060 8 М141БПЛТЛ040 9 М141БПЛТЛ065 9 М141БПЛТЛ053 7 М141БПЛТЛ015 9 М141БПЛТЛ021 9 М141БПЛТЛ018 7 М141БПЛТЛ039 8 М141БПЛТЛ036 10 М141БПЛТЛ049 7 06114043 8 М141БПЛТЛ048 6 М141БПЛТЛ034 9 М141БПЛТЛ045 8 М141БПЛТЛ033 9 М141БПЛТЛ083 5 М141БПЛТЛ008 8 М141БПЛТЛ001 7 М141БПЛТЛ038 9 М141БПЛТЛ052 7 М141БПЛТЛ011 6 М141БПЛТЛ004 7 М141БПЛТЛ010 6 М141БПЛТЛ071 9 М141БПЛТЛ035 6 М141БПЛТЛ030 6 М141БПЛТЛ070 5 М141БПЛТЛ051 9 М141БПЛТЛ046 7 М141БПЛТЛ047 8 М141БПЛТЛ063 5 М141БПЛТЛ029 8 М141БПЛТЛ064 8 М141БПЛТЛ076 7 М141БПЛТЛ062 7 М141БПЛТЛ074 6 130232038 7 М141БПЛТЛ023 9 М141БПЛТЛ054 8 М141БПЛТЛ012 6 М141БПЛТЛ006 5 М141БПЛТЛ055 5 М141БПЛТЛ007 7 М141БПЛТЛ050 6 М141БПЛТЛ066 10 М141БПЛТЛ043 5 М141БПЛТЛ084 7 М141БПЛТЛ005 7 М141БПЛТЛ044 5 13051038 4 Name: mstat, dtype: int64
Синтаксис кода с .iloc
несильно отличается от синтаксиса .loc
. В чем разница? Разница заключается в том, что метод .loc
работает с текстовыми названиями, а метод .iloc
– с числовыми индексами. Отсюда и префикс i
в названии (i – индекс, loc – location). Если мы попытаемся в .iloc
указать названия столбцов, Python выдаст ошибку:
df.iloc[:, 'mstat': 'econ']
--------------------------------------------------------------------------- TypeError Traceback (most recent call last) <ipython-input-30-f47554211014> in <module> ----> 1 df.iloc[:, 'mstat': 'econ'] /anaconda3/lib/python3.6/site-packages/pandas/core/indexing.py in __getitem__(self, key) 1470 except (KeyError, IndexError): 1471 pass -> 1472 return self._getitem_tuple(key) 1473 else: 1474 # we by definition only have the 0th axis /anaconda3/lib/python3.6/site-packages/pandas/core/indexing.py in _getitem_tuple(self, tup) 2027 continue 2028 -> 2029 retval = getattr(retval, self.name)._getitem_axis(key, axis=axis) 2030 2031 # if the dim was reduced, then pass a lower-dim the next time /anaconda3/lib/python3.6/site-packages/pandas/core/indexing.py in _getitem_axis(self, key, axis) 2078 2079 if isinstance(key, slice): -> 2080 return self._get_slice_axis(key, axis=axis) 2081 2082 if isinstance(key, list): /anaconda3/lib/python3.6/site-packages/pandas/core/indexing.py in _get_slice_axis(self, slice_obj, axis) 2046 return obj.copy(deep=False) 2047 -> 2048 slice_obj = self._convert_slice_indexer(slice_obj, axis) 2049 if isinstance(slice_obj, slice): 2050 return self._slice(slice_obj, axis=axis, kind='iloc') /anaconda3/lib/python3.6/site-packages/pandas/core/indexing.py in _convert_slice_indexer(self, key, axis) 264 # if we are accessing via lowered dim, use the last dim 265 ax = self.obj._get_axis(min(axis, self.ndim - 1)) --> 266 return ax._convert_slice_indexer(key, kind=self.name) 267 268 def _has_valid_setitem_indexer(self, indexer): /anaconda3/lib/python3.6/site-packages/pandas/core/indexes/base.py in _convert_slice_indexer(self, key, kind) 1688 # validate iloc 1689 if kind == 'iloc': -> 1690 return slice(self._validate_indexer('slice', key.start, kind), 1691 self._validate_indexer('slice', key.stop, kind), 1692 self._validate_indexer('slice', key.step, kind)) /anaconda3/lib/python3.6/site-packages/pandas/core/indexes/base.py in _validate_indexer(self, form, key, kind) 4126 pass 4127 elif kind in ['iloc', 'getitem']: -> 4128 self._invalid_indexer(form, key) 4129 return key 4130 /anaconda3/lib/python3.6/site-packages/pandas/core/indexes/base.py in _invalid_indexer(self, form, key) 1846 "indexers [{key}] of {kind}".format( 1847 form=form, klass=type(self), key=key, -> 1848 kind=type(key))) 1849 1850 def get_duplicates(self): TypeError: cannot do slice indexing on <class 'pandas.core.indexes.base.Index'> with these indexers [mstat] of <class 'str'>
Python пишет, что невозможно взять срез по индексам, которые имеют строковый тип (class 'str'
), так как в квадратных скобках ожидаются числовые (целочисленные) индексы.
Если нужно выбрать несколько столбцов подряд, можно воспользоваться срезами:
df.iloc[:, 1:3]
mstat | soc | |
---|---|---|
id | ||
М141БПЛТЛ024 | 9 | 8 |
М141БПЛТЛ031 | 10 | 10 |
М141БПЛТЛ075 | 9 | 9 |
М141БПЛТЛ017 | 9 | 8 |
М141БПЛТЛ069 | 10 | 10 |
М141БПЛТЛ072 | 9 | 8 |
М141БПЛТЛ020 | 7 | 7 |
М141БПЛТЛ026 | 10 | 8 |
М141БПЛТЛ073 | 9 | 8 |
М141БПЛТЛ078 | 6 | 9 |
М141БПЛТЛ060 | 8 | 7 |
М141БПЛТЛ040 | 9 | 8 |
М141БПЛТЛ065 | 9 | 8 |
М141БПЛТЛ053 | 7 | 7 |
М141БПЛТЛ015 | 9 | 7 |
М141БПЛТЛ021 | 9 | 8 |
М141БПЛТЛ018 | 7 | 9 |
М141БПЛТЛ039 | 8 | 9 |
М141БПЛТЛ036 | 10 | 7 |
М141БПЛТЛ049 | 7 | 6 |
06114043 | 8 | 10 |
М141БПЛТЛ048 | 6 | 8 |
М141БПЛТЛ034 | 9 | 7 |
М141БПЛТЛ045 | 8 | 8 |
М141БПЛТЛ033 | 9 | 8 |
М141БПЛТЛ083 | 5 | 6 |
М141БПЛТЛ008 | 8 | 8 |
М141БПЛТЛ001 | 7 | 7 |
М141БПЛТЛ038 | 9 | 6 |
М141БПЛТЛ052 | 7 | 7 |
М141БПЛТЛ011 | 6 | 8 |
М141БПЛТЛ004 | 7 | 6 |
М141БПЛТЛ010 | 6 | 7 |
М141БПЛТЛ071 | 9 | 7 |
М141БПЛТЛ035 | 6 | 7 |
М141БПЛТЛ030 | 6 | 6 |
М141БПЛТЛ070 | 5 | 6 |
М141БПЛТЛ051 | 9 | 8 |
М141БПЛТЛ046 | 7 | 7 |
М141БПЛТЛ047 | 8 | 6 |
М141БПЛТЛ063 | 5 | 6 |
М141БПЛТЛ029 | 8 | 8 |
М141БПЛТЛ064 | 8 | 6 |
М141БПЛТЛ076 | 7 | 8 |
М141БПЛТЛ062 | 7 | 7 |
М141БПЛТЛ074 | 6 | 7 |
130232038 | 7 | 6 |
М141БПЛТЛ023 | 9 | 6 |
М141БПЛТЛ054 | 8 | 6 |
М141БПЛТЛ012 | 6 | 7 |
М141БПЛТЛ006 | 5 | 6 |
М141БПЛТЛ055 | 5 | 6 |
М141БПЛТЛ007 | 7 | 7 |
М141БПЛТЛ050 | 6 | 6 |
М141БПЛТЛ066 | 10 | 7 |
М141БПЛТЛ043 | 5 | 6 |
М141БПЛТЛ084 | 7 | 8 |
М141БПЛТЛ005 | 7 | 5 |
М141БПЛТЛ044 | 5 | 7 |
13051038 | 4 | 4 |
Числовые срезы в pandas
уже ничем не отличаются от списковых срезов: правый конец среза не включается. В нашем случае мы выбрали только столбцы с индексами 1 и 2.
Выбор строк по названию
Выбор строки по названию происходит аналогичным образом, только здесь метод .loc
уже обязателен.
df.loc['М141БПЛТЛ031'] # строка для студента с номером М141БПЛТЛ031
catps 8.0 mstat 10.0 soc 10.0 econ 10.0 eng 10.0 polth 10.0 mstat2 10.0 phist 9.0 law 9.0 phil 10.0 polsoc 10.0 ptheo 9.0 preg 8.0 compp 8.0 game 9.0 wpol 10.0 male 1.0 Name: М141БПЛТЛ031, dtype: float64
При этом ставить запятую и двоеточие, показывая, что нам нужна одна строка и все столбцы, уже не нужно. Если нам нужно выбрать несколько строк подряд, то .loc
не нужен:
df["М141БПЛТЛ024":'М141БПЛТЛ069']
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ024 | 7 | 9 | 8 | 8 | 9 | 8 | 10 | 8.0 | 7 | 9 | 9 | 7.0 | 8 | 8.0 | 6 | 10 | 1 |
М141БПЛТЛ031 | 8 | 10 | 10 | 10 | 10 | 10 | 10 | 9.0 | 9 | 10 | 10 | 9.0 | 8 | 8.0 | 9 | 10 | 1 |
М141БПЛТЛ075 | 9 | 9 | 9 | 10 | 9 | 10 | 9 | 8.0 | 9 | 10 | 9 | 9.0 | 8 | 8.0 | 7 | 9 | 1 |
М141БПЛТЛ017 | 9 | 9 | 8 | 8 | 9 | 9 | 10 | 6.0 | 9 | 9 | 9 | 8.0 | 8 | 8.0 | 8 | 9 | 0 |
М141БПЛТЛ069 | 10 | 10 | 10 | 10 | 10 | 10 | 9 | 8.0 | 8 | 10 | 9 | 7.0 | 6 | 5.0 | 8 | 10 | 1 |
Как Python понимает, что мы просим вывести именно строки с такими названиями, а не столбцы? Потому что у нас стоят одинарные квадратные скобки, а не двойные, как в случае со столбцами. (Да, в pandas
много всяких тонкостей, но чтобы хорошо в них разбираться, нужно просто попрактиковаться и привыкнуть).
Обратите внимание: разницы между двойными и одинарными кавычками нет, строки можно вводить в любых кавычках, как в примере выше.
Выбор строк по номеру
В этом случае достаточно указать номер в квадратных скобках в .iloc
:
df.iloc[2]
catps 9.0 mstat 9.0 soc 9.0 econ 10.0 eng 9.0 polth 10.0 mstat2 9.0 phist 8.0 law 9.0 phil 10.0 polsoc 9.0 ptheo 9.0 preg 8.0 compp 8.0 game 7.0 wpol 9.0 male 1.0 Name: М141БПЛТЛ075, dtype: float64
Если нужно несколько строк подряд, можно воспользоваться срезами:
df[1:3] # и без iloc
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ031 | 8 | 10 | 10 | 10 | 10 | 10 | 10 | 9.0 | 9 | 10 | 10 | 9.0 | 8 | 8.0 | 9 | 10 | 1 |
М141БПЛТЛ075 | 9 | 9 | 9 | 10 | 9 | 10 | 9 | 8.0 | 9 | 10 | 9 | 9.0 | 8 | 8.0 | 7 | 9 | 1 |
Если нужно несколько строк не подряд, можно просто перечислить внутри списка в .iloc
:
df.iloc[[1, 2, 5, 10]]
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ031 | 8 | 10 | 10 | 10 | 10 | 10 | 10 | 9.0 | 9 | 10 | 10 | 9.0 | 8 | 8.0 | 9 | 10 | 1 |
М141БПЛТЛ075 | 9 | 9 | 9 | 10 | 9 | 10 | 9 | 8.0 | 9 | 10 | 9 | 9.0 | 8 | 8.0 | 7 | 9 | 1 |
М141БПЛТЛ072 | 10 | 9 | 8 | 10 | 9 | 8 | 9 | 8.0 | 8 | 10 | 9 | 7.0 | 8 | 8.0 | 9 | 9 | 0 |
М141БПЛТЛ060 | 7 | 8 | 7 | 7 | 9 | 8 | 8 | 5.0 | 7 | 5 | 8 | 5.0 | 7 | 8.0 | 7 | 9 | 1 |
Мы уже видели, что в данном датафрейме есть строки (и столбцы) с пропущенными значениями (NaN
). Из-за наличия этих таких значений содержащие их столбцы, даже если остальные значения являются целыми, имеют тип float
.
Удалим строки с пропущенными значениями из датафрейма совсем:
df = df.dropna()
Однако, если посмотрим на обновленный датасет, тип float
никуда не исчез:
df.head()
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ024 | 7 | 9 | 8 | 8 | 9 | 8 | 10 | 8.0 | 7 | 9 | 9 | 7.0 | 8 | 8.0 | 6 | 10 | 1 |
М141БПЛТЛ031 | 8 | 10 | 10 | 10 | 10 | 10 | 10 | 9.0 | 9 | 10 | 10 | 9.0 | 8 | 8.0 | 9 | 10 | 1 |
М141БПЛТЛ075 | 9 | 9 | 9 | 10 | 9 | 10 | 9 | 8.0 | 9 | 10 | 9 | 9.0 | 8 | 8.0 | 7 | 9 | 1 |
М141БПЛТЛ017 | 9 | 9 | 8 | 8 | 9 | 9 | 10 | 6.0 | 9 | 9 | 9 | 8.0 | 8 | 8.0 | 8 | 9 | 0 |
М141БПЛТЛ069 | 10 | 10 | 10 | 10 | 10 | 10 | 9 | 8.0 | 8 | 10 | 9 | 7.0 | 6 | 5.0 | 8 | 10 | 1 |
Применим преобразование типов.
Просто воспользуемся методом .astype()
, который преобразует тип столбца в тот, который мы укажем (если это возможно, разумеется):
df['phist'] = df['phist'].astype(int)
df.head()
/anaconda3/lib/python3.6/site-packages/ipykernel_launcher.py:1: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy """Entry point for launching an IPython kernel.
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ024 | 7 | 9 | 8 | 8 | 9 | 8 | 10 | 8 | 7 | 9 | 9 | 7.0 | 8 | 8.0 | 6 | 10 | 1 |
М141БПЛТЛ031 | 8 | 10 | 10 | 10 | 10 | 10 | 10 | 9 | 9 | 10 | 10 | 9.0 | 8 | 8.0 | 9 | 10 | 1 |
М141БПЛТЛ075 | 9 | 9 | 9 | 10 | 9 | 10 | 9 | 8 | 9 | 10 | 9 | 9.0 | 8 | 8.0 | 7 | 9 | 1 |
М141БПЛТЛ017 | 9 | 9 | 8 | 8 | 9 | 9 | 10 | 6 | 9 | 9 | 9 | 8.0 | 8 | 8.0 | 8 | 9 | 0 |
М141БПЛТЛ069 | 10 | 10 | 10 | 10 | 10 | 10 | 9 | 8 | 8 | 10 | 9 | 7.0 | 6 | 5.0 | 8 | 10 | 1 |
В самом начале мы обсуждали описание базы данных с помощью метода .describe()
. Помимо этого метода существует много методов, которые выводят отдельные статистики.
df.median() # медиана (для всех показателей)
catps 7.0 mstat 7.5 soc 7.0 econ 6.0 eng 8.5 polth 6.0 mstat2 7.0 phist 6.0 law 7.0 phil 6.0 polsoc 8.0 ptheo 5.0 preg 7.0 compp 5.0 game 6.0 wpol 8.0 male 0.0 dtype: float64
Можно запрашивать статистики по отдельным переменным (столбцам):
df.phist.mean() # среднее арифметическое Phist
5.833333333333333
Или по наблюдениям (строкам):
df.loc["М141БПЛТЛ023"].mean() # средний балл студента по всем курсам
6.235294117647059
Давайте теперь построим какие-нибудь графики. Библиотеку pandas удобно использовать в сочетании с библиотекой для построения графиков matplotlib
. Давайте её импортируем (эта библиотека должна была быть установлена на ваш компьютер вместе с Anaconda).
import matplotlib
%matplotlib inline
Построим гистограмму для оценок по теории игр.
df["game"].plot.hist() # histogram
<matplotlib.axes._subplots.AxesSubplot at 0x114a1eb00>
Что показывает этот график? Он показывает, сколько студентов получили те или иные оценки. По гистограмме видно, что больше всего по этому курсу оценок 4 и 7.
Можно поменять цвет гистограммы:
df["game"].plot.hist(color = "red")
<matplotlib.axes._subplots.AxesSubplot at 0x11c5a6518>
А также поменять число столбцов и цвет границ столбцов:
df["game"].plot.hist(color = "hotpink",
bins = 5,
edgecolor = 'navy')
<matplotlib.axes._subplots.AxesSubplot at 0x11c925ba8>
Можно пытаться строить другие графики. Например, построить ящик с усами (свеча).
df["game"].plot.box() # boxplot
<matplotlib.axes._subplots.AxesSubplot at 0x11c934a20>
Этот график визуализирует основные описательные статистики переменной и отображает форму её распределения. Нижняя граница яшика – это нижний квартиль, верхняя – верхний квартиль, линяя внутри ящика – медиана. Усы графика могут откладываться по-разному: если в переменной встречаются нетипичные значения (выбросы), то границы усов совпадают с границами типичных значений, если нетипичных значений нет, границы усов соответствуют минимальному и максимальному значению переменной. Подробнее про ящик с усами см. здесь.
Часто в исследованиях нас не интересует выбор отдельных строк по названию или номеру, мы хотим отбирать строки в таблице согласно некорому условию (условиям). Другими словами, проводить фильтрацию наблюдений. Для этого интересующее нас условие необходимо указать в квадратных скобках. Выберем из датафрейма df
строки, которые соответствуют студентам с оценкой по экономике выше 6.
df[df['econ'] > 6]
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ024 | 7 | 9 | 8 | 8 | 9 | 8 | 10 | 8 | 7 | 9 | 9 | 7.0 | 8 | 8.0 | 6 | 10 | 1 |
М141БПЛТЛ031 | 8 | 10 | 10 | 10 | 10 | 10 | 10 | 9 | 9 | 10 | 10 | 9.0 | 8 | 8.0 | 9 | 10 | 1 |
М141БПЛТЛ075 | 9 | 9 | 9 | 10 | 9 | 10 | 9 | 8 | 9 | 10 | 9 | 9.0 | 8 | 8.0 | 7 | 9 | 1 |
М141БПЛТЛ017 | 9 | 9 | 8 | 8 | 9 | 9 | 10 | 6 | 9 | 9 | 9 | 8.0 | 8 | 8.0 | 8 | 9 | 0 |
М141БПЛТЛ069 | 10 | 10 | 10 | 10 | 10 | 10 | 9 | 8 | 8 | 10 | 9 | 7.0 | 6 | 5.0 | 8 | 10 | 1 |
М141БПЛТЛ072 | 10 | 9 | 8 | 10 | 9 | 8 | 9 | 8 | 8 | 10 | 9 | 7.0 | 8 | 8.0 | 9 | 9 | 0 |
М141БПЛТЛ026 | 7 | 10 | 8 | 7 | 10 | 7 | 9 | 8 | 8 | 8 | 8 | 8.0 | 8 | 7.0 | 7 | 8 | 0 |
М141БПЛТЛ073 | 7 | 9 | 8 | 8 | 9 | 8 | 9 | 8 | 8 | 9 | 9 | 7.0 | 7 | 6.0 | 10 | 9 | 1 |
М141БПЛТЛ060 | 7 | 8 | 7 | 7 | 9 | 8 | 8 | 5 | 7 | 5 | 8 | 5.0 | 7 | 8.0 | 7 | 9 | 1 |
М141БПЛТЛ021 | 8 | 9 | 8 | 8 | 9 | 8 | 8 | 7 | 7 | 7 | 6 | 6.0 | 8 | 6.0 | 7 | 8 | 0 |
М141БПЛТЛ018 | 7 | 7 | 9 | 7 | 9 | 7 | 8 | 6 | 6 | 7 | 8 | 7.0 | 7 | 7.0 | 7 | 8 | 0 |
М141БПЛТЛ039 | 9 | 8 | 9 | 8 | 8 | 8 | 6 | 8 | 7 | 6 | 9 | 6.0 | 7 | 8.0 | 4 | 9 | 1 |
М141БПЛТЛ036 | 8 | 10 | 7 | 8 | 8 | 6 | 9 | 4 | 8 | 8 | 7 | 6.0 | 7 | 6.0 | 7 | 8 | 1 |
М141БПЛТЛ045 | 5 | 8 | 8 | 7 | 8 | 6 | 7 | 6 | 7 | 7 | 8 | 6.0 | 8 | 6.0 | 5 | 8 | 0 |
М141БПЛТЛ033 | 5 | 9 | 8 | 7 | 9 | 7 | 9 | 7 | 7 | 8 | 8 | 7.0 | 8 | 5.0 | 7 | 8 | 0 |
М141БПЛТЛ008 | 10 | 8 | 8 | 9 | 8 | 10 | 9 | 8 | 9 | 10 | 9 | 8.0 | 5 | 5.0 | 10 | 4 | 1 |
М141БПЛТЛ052 | 7 | 7 | 7 | 7 | 8 | 6 | 6 | 6 | 8 | 6 | 7 | 5.0 | 8 | 6.0 | 5 | 7 | 1 |
М141БПЛТЛ029 | 6 | 8 | 8 | 7 | 9 | 5 | 6 | 7 | 6 | 5 | 8 | 5.0 | 7 | 4.0 | 5 | 7 | 0 |
М141БПЛТЛ064 | 7 | 8 | 6 | 7 | 6 | 6 | 8 | 4 | 6 | 4 | 4 | 4.0 | 6 | 5.0 | 4 | 7 | 0 |
М141БПЛТЛ023 | 7 | 9 | 6 | 8 | 9 | 6 | 9 | 4 | 7 | 7 | 7 | 6.0 | 4 | 4.0 | 7 | 5 | 1 |
М141БПЛТЛ066 | 7 | 10 | 7 | 7 | 9 | 5 | 8 | 4 | 6 | 5 | 6 | 4.0 | 6 | 4.0 | 5 | 6 | 0 |
Почему нельзя было написать проще, то есть df["Econ"] > 6
? Давайте напишем, и посмотрим, что получится:
df["econ"] > 6
id М141БПЛТЛ024 True М141БПЛТЛ031 True М141БПЛТЛ075 True М141БПЛТЛ017 True М141БПЛТЛ069 True М141БПЛТЛ072 True М141БПЛТЛ020 False М141БПЛТЛ026 True М141БПЛТЛ073 True М141БПЛТЛ078 False М141БПЛТЛ060 True М141БПЛТЛ040 False М141БПЛТЛ065 False М141БПЛТЛ053 False М141БПЛТЛ015 False М141БПЛТЛ021 True М141БПЛТЛ018 True М141БПЛТЛ039 True М141БПЛТЛ036 True М141БПЛТЛ049 False М141БПЛТЛ048 False М141БПЛТЛ034 False М141БПЛТЛ045 True М141БПЛТЛ033 True М141БПЛТЛ083 False М141БПЛТЛ008 True М141БПЛТЛ001 False М141БПЛТЛ038 False М141БПЛТЛ052 True М141БПЛТЛ011 False М141БПЛТЛ004 False М141БПЛТЛ010 False М141БПЛТЛ035 False М141БПЛТЛ030 False М141БПЛТЛ070 False М141БПЛТЛ051 False М141БПЛТЛ046 False М141БПЛТЛ047 False М141БПЛТЛ063 False М141БПЛТЛ029 True М141БПЛТЛ064 True М141БПЛТЛ076 False М141БПЛТЛ062 False М141БПЛТЛ074 False 130232038 False М141БПЛТЛ023 True М141БПЛТЛ054 False М141БПЛТЛ012 False М141БПЛТЛ006 False М141БПЛТЛ055 False М141БПЛТЛ007 False М141БПЛТЛ050 False М141БПЛТЛ066 True М141БПЛТЛ005 False Name: econ, dtype: bool
Что мы увидели? Просто результат проверки условия, набор из True
и False
. Когда мы подставляем это выражение в квадратные скобки, Python выбирает из df
те строки, где выражение принимает значение True
.
Все операторы проверки условий работают как обычно:
df[df["econ"] == 9] # двойное равенство для равенства
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ008 | 10 | 8 | 8 | 9 | 8 | 10 | 9 | 8 | 9 | 10 | 9 | 8.0 | 5 | 5.0 | 10 | 4 | 1 |
Можно формулировать сложные условия. Выберем студентов с оценкой по экономике от 6 до 8 (8 не включается).
df[(df["econ"] >= 6) & (df["econ"] < 8)]
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ020 | 8 | 7 | 7 | 6 | 9 | 10 | 8 | 8 | 7 | 7 | 9 | 7.0 | 8 | 6.0 | 8 | 9 | 1 |
М141БПЛТЛ026 | 7 | 10 | 8 | 7 | 10 | 7 | 9 | 8 | 8 | 8 | 8 | 8.0 | 8 | 7.0 | 7 | 8 | 0 |
М141БПЛТЛ060 | 7 | 8 | 7 | 7 | 9 | 8 | 8 | 5 | 7 | 5 | 8 | 5.0 | 7 | 8.0 | 7 | 9 | 1 |
М141БПЛТЛ040 | 6 | 9 | 8 | 6 | 9 | 7 | 8 | 6 | 9 | 5 | 8 | 5.0 | 8 | 5.0 | 7 | 10 | 0 |
М141БПЛТЛ015 | 6 | 9 | 7 | 6 | 9 | 7 | 9 | 4 | 7 | 7 | 7 | 6.0 | 7 | 7.0 | 10 | 7 | 0 |
М141БПЛТЛ018 | 7 | 7 | 9 | 7 | 9 | 7 | 8 | 6 | 6 | 7 | 8 | 7.0 | 7 | 7.0 | 7 | 8 | 0 |
М141БПЛТЛ049 | 6 | 7 | 6 | 6 | 8 | 6 | 8 | 4 | 8 | 5 | 9 | 6.0 | 8 | 5.0 | 6 | 8 | 0 |
М141БПЛТЛ048 | 8 | 6 | 8 | 6 | 9 | 6 | 4 | 4 | 6 | 4 | 8 | 4.0 | 6 | 7.0 | 7 | 8 | 0 |
М141БПЛТЛ034 | 6 | 9 | 7 | 6 | 9 | 6 | 8 | 6 | 7 | 6 | 6 | 5.0 | 8 | 5.0 | 8 | 9 | 0 |
М141БПЛТЛ045 | 5 | 8 | 8 | 7 | 8 | 6 | 7 | 6 | 7 | 7 | 8 | 6.0 | 8 | 6.0 | 5 | 8 | 0 |
М141БПЛТЛ033 | 5 | 9 | 8 | 7 | 9 | 7 | 9 | 7 | 7 | 8 | 8 | 7.0 | 8 | 5.0 | 7 | 8 | 0 |
М141БПЛТЛ052 | 7 | 7 | 7 | 7 | 8 | 6 | 6 | 6 | 8 | 6 | 7 | 5.0 | 8 | 6.0 | 5 | 7 | 1 |
М141БПЛТЛ011 | 7 | 6 | 8 | 6 | 9 | 6 | 6 | 5 | 6 | 6 | 7 | 6.0 | 8 | 6.0 | 5 | 8 | 0 |
М141БПЛТЛ004 | 7 | 7 | 6 | 6 | 8 | 6 | 6 | 5 | 5 | 5 | 6 | 5.0 | 7 | 5.0 | 8 | 8 | 0 |
М141БПЛТЛ010 | 6 | 6 | 7 | 6 | 9 | 7 | 7 | 6 | 7 | 5 | 8 | 6.0 | 8 | 6.0 | 5 | 8 | 1 |
М141БПЛТЛ035 | 5 | 6 | 7 | 6 | 8 | 5 | 5 | 4 | 6 | 6 | 7 | 5.0 | 8 | 7.0 | 6 | 7 | 0 |
М141БПЛТЛ030 | 7 | 6 | 6 | 6 | 7 | 6 | 6 | 4 | 8 | 5 | 5 | 5.0 | 8 | 5.0 | 7 | 9 | 1 |
М141БПЛТЛ051 | 8 | 9 | 8 | 6 | 8 | 7 | 6 | 7 | 6 | 6 | 6 | 5.0 | 4 | 4.0 | 5 | 5 | 1 |
М141БПЛТЛ029 | 6 | 8 | 8 | 7 | 9 | 5 | 6 | 7 | 6 | 5 | 8 | 5.0 | 7 | 4.0 | 5 | 7 | 0 |
М141БПЛТЛ064 | 7 | 8 | 6 | 7 | 6 | 6 | 8 | 4 | 6 | 4 | 4 | 4.0 | 6 | 5.0 | 4 | 7 | 0 |
М141БПЛТЛ076 | 7 | 7 | 8 | 6 | 8 | 6 | 6 | 6 | 8 | 6 | 8 | 5.0 | 7 | 4.0 | 4 | 6 | 0 |
М141БПЛТЛ062 | 7 | 7 | 7 | 6 | 9 | 6 | 6 | 5 | 6 | 5 | 6 | 4.0 | 5 | 5.0 | 4 | 6 | 0 |
М141БПЛТЛ007 | 6 | 7 | 7 | 6 | 7 | 6 | 7 | 4 | 5 | 5 | 6 | 5.0 | 4 | 5.0 | 4 | 7 | 1 |
М141БПЛТЛ050 | 8 | 6 | 6 | 6 | 8 | 4 | 5 | 4 | 5 | 5 | 6 | 4.0 | 5 | 4.0 | 6 | 6 | 0 |
М141БПЛТЛ066 | 7 | 10 | 7 | 7 | 9 | 5 | 8 | 4 | 6 | 5 | 6 | 4.0 | 6 | 4.0 | 5 | 6 | 0 |
В качестве символа для одновременного выполнения условий используется оператор &
. И не забудьте про круглые скобки. А теперь выберем студентов с оценкой по английскому выше 9 и оценкой по праву ниже 9:
df[(df["eng"] > 9) & (df["law"] < 9)]
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ069 | 10 | 10 | 10 | 10 | 10 | 10 | 9 | 8 | 8 | 10 | 9 | 7.0 | 6 | 5.0 | 8 | 10 | 1 |
М141БПЛТЛ026 | 7 | 10 | 8 | 7 | 10 | 7 | 9 | 8 | 8 | 8 | 8 | 8.0 | 8 | 7.0 | 7 | 8 | 0 |
М141БПЛТЛ001 | 6 | 7 | 7 | 4 | 10 | 7 | 7 | 6 | 8 | 6 | 8 | 4.0 | 6 | 6.0 | 4 | 8 | 0 |
М141БПЛТЛ012 | 6 | 6 | 7 | 4 | 10 | 6 | 5 | 4 | 7 | 5 | 7 | 4.0 | 5 | 4.0 | 4 | 8 | 1 |
При формулировании сложных (составных) условий обращайте особое внимание на порядок круглых скобках, потому что, если вы расставите скобки неправильно, результат получится неверный.
Теперь выберем студентов с оценкой по политической истории ниже 5 или с оценкой по истории политических учений ниже 5:
df[(df["phist"] < 5) | (df["polth"] < 5)] # оператор | для условия или
catps | mstat | soc | econ | eng | polth | mstat2 | phist | law | phil | polsoc | ptheo | preg | compp | game | wpol | male | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
id | |||||||||||||||||
М141БПЛТЛ015 | 6 | 9 | 7 | 6 | 9 | 7 | 9 | 4 | 7 | 7 | 7 | 6.0 | 7 | 7.0 | 10 | 7 | 0 |
М141БПЛТЛ036 | 8 | 10 | 7 | 8 | 8 | 6 | 9 | 4 | 8 | 8 | 7 | 6.0 | 7 | 6.0 | 7 | 8 | 1 |
М141БПЛТЛ049 | 6 | 7 | 6 | 6 | 8 | 6 | 8 | 4 | 8 | 5 | 9 | 6.0 | 8 | 5.0 | 6 | 8 | 0 |
М141БПЛТЛ048 | 8 | 6 | 8 | 6 | 9 | 6 | 4 | 4 | 6 | 4 | 8 | 4.0 | 6 | 7.0 | 7 | 8 | 0 |
М141БПЛТЛ035 | 5 | 6 | 7 | 6 | 8 | 5 | 5 | 4 | 6 | 6 | 7 | 5.0 | 8 | 7.0 | 6 | 7 | 0 |
М141БПЛТЛ030 | 7 | 6 | 6 | 6 | 7 | 6 | 6 | 4 | 8 | 5 | 5 | 5.0 | 8 | 5.0 | 7 | 9 | 1 |
М141БПЛТЛ063 | 5 | 5 | 6 | 4 | 8 | 4 | 4 | 4 | 5 | 4 | 5 | 4.0 | 7 | 5.0 | 8 | 8 | 0 |
М141БПЛТЛ064 | 7 | 8 | 6 | 7 | 6 | 6 | 8 | 4 | 6 | 4 | 4 | 4.0 | 6 | 5.0 | 4 | 7 | 0 |
130232038 | 6 | 7 | 6 | 5 | 8 | 4 | 8 | 4 | 8 | 4 | 5 | 5.0 | 6 | 4.0 | 5 | 6 | 0 |
М141БПЛТЛ023 | 7 | 9 | 6 | 8 | 9 | 6 | 9 | 4 | 7 | 7 | 7 | 6.0 | 4 | 4.0 | 7 | 5 | 1 |
М141БПЛТЛ054 | 7 | 8 | 6 | 4 | 8 | 6 | 4 | 4 | 6 | 4 | 8 | 4.0 | 4 | 4.0 | 4 | 8 | 1 |
М141БПЛТЛ012 | 6 | 6 | 7 | 4 | 10 | 6 | 5 | 4 | 7 | 5 | 7 | 4.0 | 5 | 4.0 | 4 | 8 | 1 |
М141БПЛТЛ007 | 6 | 7 | 7 | 6 | 7 | 6 | 7 | 4 | 5 | 5 | 6 | 5.0 | 4 | 5.0 | 4 | 7 | 1 |
М141БПЛТЛ050 | 8 | 6 | 6 | 6 | 8 | 4 | 5 | 4 | 5 | 5 | 6 | 4.0 | 5 | 4.0 | 6 | 6 | 0 |
М141БПЛТЛ066 | 7 | 10 | 7 | 7 | 9 | 5 | 8 | 4 | 6 | 5 | 6 | 4.0 | 6 | 4.0 | 5 | 6 | 0 |
М141БПЛТЛ005 | 5 | 7 | 5 | 5 | 7 | 4 | 7 | 4 | 5 | 4 | 5 | 5.0 | 4 | 4.0 | 4 | 8 | 1 |