如何使用正则表达式和数据类型选择多个DataFrame列

可以将DataFrame与电子表格或具有行和列的数据库中保存的数据集进行比较。DataFrame是2D对象。

好吧，与一维和二维术语混淆了吗？

1D（系列）和2D(DataFrame)之间的主要区别在于，您需要先设置信息点的数量才能到达任何单个数据点。如果以一个Series为例，并且想要提取一个值，则只需要一个参考点，即行索引。

与表(DataFrame)相比，一个参考点不足以到达数据点，您需要行值和列值的交集。

下面的代码片段显示了如何从csv文件创建Pandas DataFrame。

默认情况下.read_csv()方法创建一个DataFrame。您可以通过搜索电影从kaggle.com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.选择一个DataFrame列。将列名作为字符串或列表传递给索引运算符将以Series或DataFrame的形式返回列值。

如果我们传递带有列名的字符串，您将获得一个Series作为输出，但是，仅传递一个列名的列表将返回DataFrame。我们将通过示例看到这一点。

# 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"]]

为避免代码易读性问题，我始终建议定义一个变量以将列名作为列表保存，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.DataFrame列按列名。

.filter()方法

此方法非常方便使用字符串搜索和选择列。它的工作方式与SQL中的like %%参数几乎相同。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regualr表达式选择列名称的更灵活方法

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

.items –将列名作为字符串或列表传递给索引运算符，但不会引发KeyError的重复

按数据类型的DataFrame列。

如果您只想过滤和使用某些数据类型，则.select_dtypes方法适用于列数据类型。

同样，.select_dtypes方法在其包含或排除参数中接受多种数据类型（按列表）或单一数据类型（作为字符串），并返回仅包含那些给定数据类型的列的DataFrame。

.include参数包括具有指定数据类型的列，.exclude将忽略具有指定数据类型的列。

首先让我们看一下数据类型和具有这些数据类型的列数

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 DataFrames中过滤整数数据类型。

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

b）。从pandas DataFrames中选择整数和浮点数据类型。

您可以指定多种数据类型，如下所示。

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

c）好吧，如果您只想要所有数字数据类型，只需指定数字

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

d）。从pandas DataFrames中排除某些数据类型。

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

注意：-没有要处理的字符串数据类型，大熊猫将它们转换为对象，因此如果遇到异常“ TypeError：数据类型“字符串”不被理解”，请用对象代替字符串。