python स्तंभों और पंक्तियों के एक पांडा डेटाफ्रेम सबसेट को एक numpy सरणी में कैसे परिवर्तित करें?




arrays pandas (3)

शायद पहली समस्या के लिए ऐसा कुछ, आप आसानी से कॉलम तक पहुंच सकते हैं:

>>> df = pd.DataFrame(np.random.rand(4,5), columns = list('abcde'))
>>> df[df['c']>.5][['b','e']]
          b         e
1  0.071146  0.132145
2  0.495152  0.420219

दूसरी समस्या के लिए:

>>> df[df['c']>.5][['b','e']].values
array([[ 0.07114556,  0.13214495],
       [ 0.49515157,  0.42021946]])

मैं सोच रहा हूं कि एक पांडस डेटाफ्रेम से पंक्तियों और स्तंभों का सबसेट चुनने के लिए एक सरल, स्मृति कुशल तरीका है या नहीं।

उदाहरण के लिए, इस डेटाफ्रेम को दिया गया है:

df = DataFrame(np.random.rand(4,5), columns = list('abcde'))
print df

          a         b         c         d         e
0  0.945686  0.000710  0.909158  0.892892  0.326670
1  0.919359  0.667057  0.462478  0.008204  0.473096
2  0.976163  0.621712  0.208423  0.980471  0.048334
3  0.459039  0.788318  0.309892  0.100539  0.753992

मैं केवल उन पंक्तियों को चाहता हूं जिनमें कॉलम 'सी' के लिए मान 0.5 से अधिक है, लेकिन मुझे केवल उन पंक्तियों के लिए कॉलम 'बी' और 'ई' की आवश्यकता है।

यह वह तरीका है जिसके साथ मैं आया हूं - शायद एक बेहतर "पांडा" तरीका है?

locs = [df.columns.get_loc(_) for _ in ['a', 'd']]
print df[df.c > 0.5][locs]

          a         d
0  0.945686  0.892892

मेरा अंतिम लक्ष्य परिणाम को एक स्केलर रिग्रेशन एल्गोरिदम में पास करने के लिए एक संख्यात्मक सरणी में परिवर्तित करना है, इसलिए मैं इस प्रकार उपरोक्त कोड का उपयोग करूंगा:

training_set = array(df[df.c > 0.5][locs])

... और वह मुझे देखता है क्योंकि मैं स्मृति में एक विशाल सरणी प्रतिलिपि के साथ समाप्त होता हूं। शायद इसके लिए एक बेहतर तरीका भी है?


.loc पंक्ति और कॉलम चयनकर्ताओं को एक साथ स्वीकार करें (जैसा कि .ix/.iloc FYI करें) यह एक ही पास में भी किया जाता है।

In [1]: df = DataFrame(np.random.rand(4,5), columns = list('abcde'))

In [2]: df
Out[2]: 
          a         b         c         d         e
0  0.669701  0.780497  0.955690  0.451573  0.232194
1  0.952762  0.585579  0.890801  0.643251  0.556220
2  0.900713  0.790938  0.952628  0.505775  0.582365
3  0.994205  0.330560  0.286694  0.125061  0.575153

In [5]: df.loc[df['c']>0.5,['a','d']]
Out[5]: 
          a         d
0  0.669701  0.451573
1  0.952762  0.643251
2  0.900713  0.505775

और यदि आप मूल्य चाहते हैं (हालांकि यह सीधे sklearn के रूप में पास होना चाहिए); फ्रेम सरणी इंटरफेस का समर्थन करते हैं

In [6]: df.loc[df['c']>0.5,['a','d']].values
Out[6]: 
array([[ 0.66970138,  0.45157274],
       [ 0.95276167,  0.64325143],
       [ 0.90071271,  0.50577509]])

इसके मूल्य का सीधे उपयोग करें:

In [79]: df[df.c > 0.5][['b', 'e']].values
Out[79]: 
array([[ 0.98836259,  0.82403141],
       [ 0.337358  ,  0.02054435],
       [ 0.29271728,  0.37813099],
       [ 0.70033513,  0.69919695]])






scikit-learn