pands DataFrame集合操作マニュアル

イメージ.png
pandsのData Frameの集合操作についてはいつもめまいがします。主にscalaやjavaではこのような操作はあまりないです。一番苦手なのは二次元配列の操作です。
まずDataframeを初期化します。

%python
import pandas as pd
import numpy as np
df2 = pd.DataFrame({ 'A' : [1,2,3,4],'B' : pd.Timestamp('20130102'),'C' : pd.Series(1,index=list(range(4)),dtype='float32'),'D' : np.array([3] * 4,dtype='int32'), 'E' : pd.Categorical(["test","train","test","train"]),'F' : 'foo' })

生成されたData Frameを表示します。

%python
df2

出力を得る

out--
   A          B    C  D      E    F
0  1 2013-01-02  1.0  3   test  foo
1  2 2013-01-02  1.0  3  train  foo
2  3 2013-01-02  1.0  3   test  foo
3  4 2013-01-02  1.0  3  train  foo

次は単一の列を取得します。

%python
df2['E']

結果は

--out---
0     test
1    train
2     test
3    train
Name: E, dtype: category
Categories (2, object): [test, train]

33次は、対応する列が本当にインデックス行のブール値かどうかを判断するものです。

%python
df2['E']=="train"

結果は

---out---
0    False
1     True
2    False
3     True
Name: E, dtype: bool

333ブール値は本当のインデックス出力対応行です。

%python
df2[df2['E']=="train"]

結果は

---out---
   A          B    C  D      E    F
1  2 2013-01-02  1.0  3  train  foo
3  4 2013-01-02  1.0  3  train  foo

333ブール値は本当のインデックスラインに対応する列の値を出力します。

%python
df2[df2['E']=="train"]["D"]

結果は

--out--
1    3
3    3
Name: D, dtype: int32

複数のDataframeを組み合わせて操作してもいいです。df 3とdf 2は少し違っています。

%python
df3 = pd.DataFrame({ 'A' : [1,2,3,4],'B' : pd.Timestamp('20130102'),'C' : pd.Series(1,index=list(range(4)),dtype='float32'),'D' : np.array([3] * 4,dtype='int32'), 'E' : pd.Categorical(["test","train","fa","train"]),'F' : 'zoo' })
df3

--out---
   A          B    C  D      E    F
0  1 2013-01-02  1.0  3   test  zoo
1  2 2013-01-02  1.0  3  train  zoo
2  3 2013-01-02  1.0  3     fa  zoo
3  4 2013-01-02  1.0  3  train  zoo
```

    DF3           DF2          
```
%python
df2["C"][df3["E"]=="fa"]=3.0
df2
```

---out---A B C D E 0 1 2013-01-02 1.0 3 test foo 1 2 2013-01-02 1.0 3 trin foo 2 3 2013-01-02 3.0 3 test foo 3 2013-01-02 1.0 3 trin foo

     C            1.0             3.0,      
[df3["E"]=="fa"]      df2            
             pandas        ，