Selezione di colonne e righe

Acceda a una singola colonna tramite il nome usando la notazione tra parentesi df['col'], che restituisce una Series. Può anche usare la notazione con il punto df.col quando il nome della colonna è un identificatore Python valido e non contiene spazi. La notazione tra parentesi è sempre sicura; quella con il punto non funziona per i nomi che entrano in conflitto con i metodi del DataFrame, come count o mean.

Per selezionare più colonne, passi un elenco di nomi di colonne tra parentesi: df[['col1', 'col2']]. Noti le doppie parentesi: la coppia esterna è l'operatore di indicizzazione, mentre quella interna crea un elenco Python. Il risultato è un DataFrame, non una Series. Questa tecnica viene usata comunemente per estrarre una matrice delle feature per il machine learning.

df.loc[row_label, col_label] seleziona i dati in base all'etichetta. Fornisca una singola etichetta, un elenco di etichette o uno slice sia per le righe sia per le colonne. df.loc[:, 'score'] seleziona tutte le righe della colonna 'score'. df.loc['r1':'r3', ['a', 'b']] seleziona le righe da r1 a r3 (estremi inclusi) per le colonne a e b.

df.iloc[row_pos, col_pos] seleziona in base alla posizione intera, ignorando le etichette. Entrambi gli argomenti seguono le convenzioni degli slice Python, con estremi finali esclusi. df.iloc[:, 0] seleziona la prima colonna come Series. df.iloc[0:2, 1:3] seleziona un sotto-DataFrame rettangolare 2×2 dall'angolo in alto a sinistra.

Passi a .loc una Series booleana (con lo stesso indice del DataFrame) per filtrare le righe. Costruisca la Series booleana a partire da una condizione su una colonna. Può combinare le condizioni con & e |. Questo è lo schema standard per il filtraggio nell'analisi dei dati con Pandas ed è molto più espressivo delle clausole WHERE di SQL per condizioni complesse su più colonne.

Le condizioni multiple devono essere racchiuse singolarmente tra parentesi e combinate con & (AND) o | (OR). Usare le parole chiave Python and/or sulle Series genera un errore. Per negare una condizione, usi ~ (tilde) invece di not. Verifichi sempre le condizioni singolarmente prima di combinarle, così da isolare la causa di risultati imprevisti.

df.iloc[n] restituisce l'n-esima riga come Series. df.iloc[n:m] restituisce le righe da n a m-1 come DataFrame. df.iloc[[0, 2, 4]] seleziona righe specifiche per posizione usando l'indicizzazione avanzata. Queste operazioni equivalgono alla selezione delle righe di un array NumPy e vengono spesso usate per dividere i dati in set di addestramento e di test prima di applicare modelli di machine learning.

Sia .loc sia .iloc accettano due argomenti: df.loc[row_selector, col_selector]. Ciò consente una selezione rettangolare precisa in un'unica espressione. Un due punti : da solo seleziona tutte le righe o tutte le colonne. Questo schema è essenziale per estrarre una matrice delle feature con colonne specifiche, limitatamente alle righe di addestramento di un dataset.

Quando passa un'unica etichetta scalare a df.loc[label], il risultato è una Series il cui indice contiene i nomi delle colonne. È utile per esaminare un record specifico. Per ottenere invece un DataFrame con una sola riga, racchiuda l'etichetta in un elenco: df.loc[[label]]. La distinzione è importante quando si passano i risultati a funzioni che prevedono un DataFrame.

df.at[row_label, col_name] e df.iat[row_pos, col_pos] recuperano o impostano un singolo valore scalare con un sovraccarico minore rispetto a .loc/.iloc. Sono progettati per i cicli che aggiornano singole celle. Nel codice di produzione preferisca sempre le operazioni vettorializzate agli aggiornamenti cella per cella, ma usi at/iat quando deve effettivamente iterare.

L'indicizzazione concatenata, come df['col'][condition] o df[mask]['col'] = val, può produrre un SettingWithCopyWarning perché Pandas potrebbe operare su una copia anziché sull'originale. Usi sempre un'unica espressione .loc per qualsiasi modifica: df.loc[mask, 'col'] = val. Questo è lo schema corretto, senza avvisi.

Verifichi la Sua comprensione della selezione di colonne e righe presentata in questa lezione.

In questa lezione ha imparato che: .loc seleziona righe e colonne per etichetta, includendo l'estremo finale degli slice, .iloc seleziona per posizione intera, con estremi finali esclusi come negli slice Python e le condizioni booleane applicate tramite .loc filtrano le righe senza il problema del SettingWithCopyWarning causato dall'indicizzazione concatenata. Ora aggiungeremo nuove colonne calcolate, rinomineremo quelle esistenti e rimuoveremo le colonne indesiderate con drop().