Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-02-26

1 <p>Фильтрация значений и оперирование с их подмножествами используются в задачах обработки, подготовки и анализа данных. В этом уроке мы познакомимся c правилами индексирования основных объектов Series и DataFrame, а также узнаем, как с их помощью осуществлять подвыборки нужных строк и столбцов в табличных данных.</p>

2 <h2>Структура объекта DataFrame</h2>

3 <p>Рассмотрим объект DataFrame. Он состоит из набора столбцов, каждый из которых является объектом Series:</p>

4 <p>Применим функцию type() к столбцу df_orders:</p>

5 <p>Объект Series спроектирован, чтобы хранить одномерные структуры данных. Он состоит из двух связанных между собой массивов: меток и значений:</p>

6 <p>Выбрать несколько столбцов можно следующим образом:</p>

7 <p>При выборе нескольких столбцов мы будем снова получать тип данных DataFrame.</p>

8 <p>Иногда легче выбросить несколько столбцов, чем перечислять необходимые. В этом случае нужно использовать метод drop():</p>

9 <p>В методе drop() нужно задавать значение параметра axis. Значение 0 будет указывать, что нужно исключить некоторые строки. Значение 1 указывает на исключение столбцов.</p>

10 <p>Метод drop() возвращает новый объект DataFrame и оставляет без изменений исходный.</p>

11 <h2>Индексы объектов DataFrame и Series</h2>

12 <p>У каждой строки объекта DataFrame или значения у Series есть индекс. Индекс может быть как числом, так и строкой. Список индексов объектов DataFrame и Series можно получить с помощью атрибута index:</p>

13 <p>Если нужно, можно изменить значение индексов и имя столбца с индексами:</p>

14 <p>Строковые индексы обычно называют метки или ключи:</p>

15 <h2>Методы получения значений по индексу</h2>

16 <p>Разберем следующие методы:</p>

17 <ul><li>loc() - метод выбора данных на основе меток строк</li>

18 <li>iloc() - метод выбора строк согласно их числовой позиции</li>

19 </ul><h3>loc()</h3>

20 <p>Выберем одну строку из объекта DataFrame по ее метке:</p>

21 <p>Выберем несколько строк:</p>

22 <h3>iloc()</h3>

23 <p>Выберем одну строку:</p>

24 <p>Выберем несколько строк:</p>

25 <h3>Фильтрация строк и столбцов одновременно</h3>

26 <p>Методы loc() и iloc() позволяют выполнять фильтрацию по строкам и столбцам одновременно. Пример для loc():</p>

27 <p>Пример для iloc():</p>

28 <p>Как и при использовании методов отдельно для строк и столбцов, метод loc() ожидает на вход метки, а iloc() - номера позиций строк и столбцов.</p>

29 <h2>Срезы</h2>

30 <p>Срезы позволяют получать совокупности строк в определенном диапазоне. Пример:</p>

31 <p>В срез данных попали все строки между позициями 1 и 3 включительно. Позиции 1 и 3 соответствуют меткам 'b' и 'd'. Можно строить более интересные срезы:</p>

32 <p>В данный срез попала каждая вторая строка между строками с метками 'b' и 'f'.</p>

33 <p>Можно получать срезы со строками и столбцами одновременно:</p>

34 <p>В срез попала каждая вторая строка между строками с метками 'b' и 'f' и столбцы с метками от 'shop_1' до 'shop_3' включительно.</p>

35 <p>Аналогично получаются срезы с помощью метода iloc(). Приведем пример, который совпадает по результату с примером выше:</p>

36 <h2>Выводы</h2>

37 <p>Работа с данными может производиться над конкретными элементами, строками, столбцами или их комбинациями. В этом уроке мы познакомились с фильтрацией значений таблиц по индексам строк и столбцов объекта DataFrame библиотеки Pandas. Изложенные методы позволяют получать различные срезы данных в соответствии с условиями на индексы.</p>