如何使用正则表达式和数据类型选择多个 DataFrame 列

DataFrame 可以比作保存在电子表格或数据库中的数据集，具有行和列。DataFrame 是一个二维对象。

好的，对一维和二维术语感到困惑？

一维 (Series) 和二维 (DataFrame) 的主要区别在于，你需要多少个信息点才能得到单个数据点。以 Series 为例，如果要提取一个值，只需要一个参考点，即行索引。

相比之下，对于表格 (DataFrame)，一个参考点不足以获得数据点，需要行值和列值的交集。

下面的代码片段展示了如何从 csv 文件创建 Pandas DataFrame。

.read_csv() 方法默认创建 DataFrame。 你可以在 kaggle.com 搜索电影来下载电影数据集。

"""Script : Create a Pandas DataFrame from a csv file."""
import pandas as pd
movies_dataset pd read_csv "https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv")
# 1 print the type of object
type(movies_dataset)
# 2 print the top 5 records in a tabular format
movies_dataset head(5)

2. 选择单个 DataFrame 列。将列名作为字符串或列表传递给索引运算符将返回列值作为 Series 或 DataFrame。

如果我们传入列名的字符串，则输出为 Series，但是，传入只有一个列名的列表将返回 DataFrame。我们将通过示例说明这一点。

# select the data as series movies_dataset["title"]

0 Avatar
1 Pirates of the Caribbean: At World's End
2 Spectre
3 The Dark Knight Rises
4 John Carter
...
4798 El Mariachi
4799 Newlyweds
4800 Signed, Sealed, Delivered
4801 Shanghai Calling
4802 My Date with Drew
Name: title, Length: 4803, dtype: object

# select the data as DataFrame movies_dataset[["title"]]

3. 选择多个 DataFrame 列。

# Multiple DataFrame columns movies_dataset[["title""runtime","vote_average","vote_count"]]

为了避免代码可读性问题，我始终建议定义一个变量来保存列名列表，并使用列名而不是在代码中指定多个列名。

columns=["title","runtime","vote_average","vote_count"]movies_dataset[columns]

4. 通过列名选择 DataFrame 列。

.filter() 方法

此方法非常方便地使用字符串搜索和选择列。它的工作方式与 SQL 中的 like %% 参数非常相似。请记住，.filter() 方法仅通过检查列名而不是实际数据值来选择列。

.filter() 方法支持三个可用于选择操作的参数。

.like
.regex
.items

like parameter takes a string and attempts to find the column names that contain this string somewhere in the column name.

# Select the column that have a column name like "title" movies_dataset.filter(like="title").head(5)

.regex – 使用正则表达式选择列名更灵活的方式

# Select the columns that end with "t"
movies_dataset.filter(regex=t).head()

.items – 与将列名作为字符串或列表传递给索引运算符相同，只是不会引发 KeyError

按数据类型选择 DataFrame 列。

如果您有兴趣过滤和仅使用某些数据类型，则 .select_dtypes 方法适用于列数据类型。

同样，.select_dtypes 方法在其 include 或 exclude 参数中接受多个数据类型（通过列表）或单个数据类型（作为字符串），并返回一个只包含那些给定数据类型的列的 DataFrame。

.include 参数包含具有指定数据类型/类型的列，而 .exclude 将忽略具有指定数据类型的列。

让我们首先查看数据类型以及具有这些数据类型的列的数量

movies_dataset=pd.read_csv("https://raw.githubusercontent.com/sasankac/TestDataSet/master/movies_data.csv"
movies_dataset.dtypes.value_counts()

object 5
int64 4
float64 3
dtype: int64

a) 从 pandas DataFrame 中过滤整数数据类型。

movies_dataset select_dtypes(include="int")head(3)

b). 从 pandas DataFrame 中选择整数和浮点数据类型。

您可以如下所示指定多个数据类型作为列表。

movies_dataset select_dtypes(include=["int64","float"]).head(3)

c) 好吧，如果您只需要所有数值数据类型，只需指定 number

movies_dataset select_dtypes(include=["number"]).head(3)

d). 从 pandas DataFrame 中排除某些数据类型。

movies_dataset select_dtypes(exclude=["object"]).head(3)

**注意**：没有字符串数据类型可处理，pandas 将它们转换为对象，因此如果您遇到异常“TypeError: 数据类型“string”无法理解”，请将 string 替换为 Object。

Kiran P

更新于：2020年11月10日

684 次浏览

开启你的职业生涯

完成课程获得认证

开始