Início / coding / Perguntas / 78711826
Accepted
FreelanceConsultant
Asked: 2024-07-05 21:50:03 +0800 CST

Como selecionar linhas de um DataFrame do Pandas usando índice?

  • 772

Estou tentando selecionar linhas de um DataFrame do Pandas, usando valores de índice inteiro.

Isso não funciona e obtenho erros de índice.

  • Isso me sugere que realizar uma seleção de linhas por índice faz com que reset_index()seja chamado implicitamente, embora eu possa estar enganado
  • O exemplo a seguir explica por que o comportamento que observo sugere que esse seja o caso
import pandas

data = {
    'number': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    'fruit': 3 * ['apple'] + 3 * ['pear'] + 2 * ['banana'] + ['pear'] + ['apple'],
    'color': 3 * ['red', 'green', 'blue'] + ['red'],
    'letter': 5 * ['A', 'B'],
}
df = pandas.DataFrame(data)
df

Quadro de dados do Pandas

df_selected = df[df['fruit'] == 'pear']
df_selected

Quadro de dados do Pandas

df_selected.index
Index([3, 4, 5, 8], dtype='int64')

Isto certamente sugere que tenho um DataFrame com um índice contendo os valores 3, 4, 5 e 8.

Agora quero selecionar todas as linhas no DataFrame desde a primeira ocorrência de 'pear' até a última ocorrência, usando o índice inteiro :

Achei que isso deveria ser possível com a seguinte sintaxe:

FIRST = 3
LAST = 8
df_selected[FIRST:LAST+1]

Mas estou enganado:

Quadro de dados do Pandas

  • Ao imprimir (exibindo o DataFrame stdoutou uma célula do Jupyter Notebook), o índice mostra valores 3, 4, 5, 8.
  • Ao selecionar por índice usando a sintaxe df_selected[A:B]ou df_selected.iloc[A:B]os argumentos inteiros Ae Bsão interpretados como se df_selected.reset_index()tivessem sido chamados
  • Digo isso porque a chamada reset_index()produz a seguinte saída

Quadro de dados do Pandas

O que implica que o intervalo correto a ser usado ao selecionar por índice édf_selected.iloc[0:3+1]

Estou ciente de que esta é uma pergunta incrivelmente básica, mas espero que alguém possa me indicar a direção certa para entender por que o comportamento é assim, se houver uma razão específica para isso.

pandas

1 respostas

  1. Best Answer

    Você deve usar locpara selecionar por rótulo:

    FIRST = 3
LAST = 8

df_selected = df[df['fruit'] == 'pear']
out = df.loc[FIRST:LAST]

    Ou:

    idx = df[df['fruit'] == 'pear'].index
out = df.loc[idx.min():idx.max()]

    Nota. como locinclui ambas as extremidades, você não precisa do +1.

    Saída:

       number   fruit  color letter
3       4    pear    red      B
4       5    pear  green      A
5       6    pear   blue      B
6       7  banana    red      A
7       8  banana  green      B
8       9    pear   blue      A

    Ao usar df_selected[1:2], isso se comporta como iloce seleciona da quarta à nona posição (apenas a linha com label 8).

    alternativa

    Se o seu objetivo é selecionar todos os valores entre a primeira e a última correspondência, você também pode usar a indexação booleana :

    m = df['fruit'].eq('pear')
out = df[m.cummax()&m[::-1].cummax()]

    Como funciona:

       number   fruit  color letter      m  m.cummax()  m[::-1].cummax()      &
0       1   apple    red      A  False       False              True  False
1       2   apple  green      B  False       False              True  False
2       3   apple   blue      A  False       False              True  False
3       4    pear    red      B   True        True              True   True
4       5    pear  green      A   True        True              True   True
5       6    pear   blue      B   True        True              True   True
6       7  banana    red      A  False        True              True   True
7       8  banana  green      B  False        True              True   True
8       9    pear   blue      A   True        True              True   True
9      10   apple    red      B  False        True             False  False
    • 1

relate perguntas