Привет, Хабр! Представляю вашему вниманию перевод статьи "Pythonで0からディシジョンツリーを作って理解する （3. データ分析ライブラリPandas編）".
Это третья статья из серии. Ссылки на предыдущие статьи: первая, вторая
В данной статье я объясню, как работать с библиотекой Pandas, чтобы создавать Decision Tree.
3.1 Импортируем библиотеку
# импортируем pandas и прописываем, что далее мы будем ее указывать как pd import pandas as pd3.2 Data frame и Series
В pandas используются такие структуры, как Data frame и Series.
Рассмотрим их на примере следующей таблицы, напоминающей Excel.
Одна строка данных называется Series, столбцы — атрибутами этих данных, а вся таблица целиком — Data frame-ом.
3.3 Создаем Data frame
Подключаем Excel-таблицу с помощью read_excel или ExcelWriter
# Сохраняем Excel файл туда же, где находится и файл ipynb df0 = pd.read_excel("data_golf.xlsx") # выводим DataFrame как HTML таблицу from IPython.display import HTML html = "<div style='font-family:\"メイリオ\";'>"+df0.to_html()+"</div>" HTML(html) # Сохраняем в Excel файл (with автоматически выполняет f.close) with pd.ExcelWriter("data_golf2.xlsx") as f: df0.to_excel(f)Создание Data Frame из словаря (ассоциативного массива): словарь собирает вместе данные столбцов DataFrame
# создание из словаря: сбор данных из столбцов d = { "Погода":["Ясно","Ясно","Облачно","Дождь","Дождь","Дождь","Облачно","Ясно","Ясно","Дождь","Ясно","Облачно","Облачно","Дождь"], "Температура":["Жарко","Жарко","Жарко","Тепло","Холодно","Холодно","Холодно","Тепло","Холодно","Тепло","Тепло","Тепло","Жарко","Тепло"], "Влажность":["Высокая","Высокая","Высокая","Высокая","Норм","Норм","Норм","Высокая","Норм","Норм","Норм","Высокая","Норм","Высокая"], "Ветер":["Нет","Есть","Нет","Нет","Нет","Есть","Есть","Нет","Нет","Нет","Есть","Есть","Нет","Есть"], "Гольф":["×","×","○","○","○","×","○","×","○","○","○","○","○","×"], } df0 = pd.DataFrame(d)Создание Data Frame из массивов: сбор данных из строк DataFrame
# создание из массивов: сбор данных из строк d = [["Ясно","Жарко","Высокая","Нет","×"], ["Ясно","Жарко","Высокая","Есть","×"], ["Облачно","Жарко","Высокая","Нет","○"], ["Дождь","Тепло","Высокая","Нет","○"], ["Дождь","Холодно","Норм","Нет","○"], ["Дождь","Холодно","Норм","Есть","×"], ["Облачно","Холодно","Норм","Есть","○"], ["Ясно","Тепло","Высокая","Нет","×"], ["Ясно","Холодно","Норм","Нет","○"], ["Дождь","Тепло","Норм","Нет","○"], ["ясно","Тепло","Норм","Есть","○"], ["Облачно","Тепло","Высокая","Есть","○"], ["Облачно","Жарко","Норм","Нет","○"], ["Дождь","Тепло","Высокая","Есть","×"], ] # название столбцов и строк можно указать как columns и index соответственно. В случае, если их опускать, указывается соответствующий им номер. df0 = pd.DataFrame(d,columns=["Погода","Температура","Влажность","Ветер","Гольф"],index=range(len(d)))3.4 Получаем информацию из таблицы
# получение информации из таблицы # количество строк и столбцов print(df0.shape) # вывод (14, 5) # получаем количество строк print(df0.shape[0]) # вывод 14 # получаем названия столбцов print(df0.columns) # вывод Index(['Погода', 'Температура', 'Влажность', 'Ветер', 'Гольф'], dtype='object') # получаем названия строк (Название строки df0 - это автоматически присвоенный индекс） print(df0.index) # вывод RangeIndex(start=0, stop=14, step=1)3.5 Получаем значения loc iloc values
# получение значений # получаем значение, указав строку и столбец # получаем значение Влажности в строке под №1 (вторая сверху) print(df0.loc[1,"Влажность"]) # вывод Высокая # получаем значение, указав массив из нескольких строк и столбцов # получаем значения Погоды и Гольфа из строк 1,2,4, и полученные данные тоже будут Data Frame-ом df = df0.loc[[1,2,4],["погода","Гольф"]] print(df) # вывод # Погода Температура Влажность Ветер Гольф # 1 Ясно Жарко Высокая Есть × # 2 Облачно Жарко Высокая Нет ○ # 3 Дождь Тепло Высокая Нет ○ # 4 Дождь Холодно Норм Нет ○ # iloc позволяет индексировать строки и столбцы. Индексы отсчитываются от 0. # получаем данные из строк с 1 по 3, не включая столбец Гольф. Так как iloc указывает индекс, если написать 1:4, то 4-ка включена не будет. df = df0.iloc[1:4,:-1] print(df) # вывод # Погода Температура Влажность Ветер # 1 Ясно Жарко Высокая Есть # 2 Облачно Жарко Высокая Нет # 3 Дождь Тепло Высокая Нет # получаем значение из одной строки (Series) # получаем данные из самой первой строки. s это Series s = df0.iloc[0,:] # так же, как и со словарем, значение можно получить с помощью s["название столбца"] print(s["Погода"]) # вывод Ясно # все значения получаем в виде массива (numpy.ndarray). print(df0.values)3.6 Цикл данных, пройдемся по данным с помощью iterrows iteritems
# цикл данных, просматриваем данные # в цикле проходимся по строкам. Смотрим данные по каждой строчке. for i,row in df0.iterrows(): # i это название строки (индекс строки), row это Series print(i,row) pass # в цикле проходимся по столбцам. Смотрим данные по вертикали. for i,col in df0.iteritems(): # i это название столбца, col это Series print(i,col) pass3.7 Частота value_counts
# частота вывода данных # получаем все данные из столбца Погода. s это Series s = df0.loc[:,"Погода"] # получаем необходимое количество нужных данных print(s.value_counts()) # вывод # Ясно 5 # Дождь 5 # Облачно 4 # Name: Погода, dtype: int64 # Например, получили количество строк, когда встречается “Ясно” print(s.value_counts()["Ясно"]) # Вывод 53.8 Извлекаем конкретные данные query
# извлечение конкретных данных # получаем данные, когда Погода - Ясно. print(df0.query("Погода=='Ясно'")) # вывод # Погода Температура Влажность Ветер Гольф # 0 Ясно Жарко Высокая Нет × # 1 Ясно Жарко Высокая Есть × # 7 Ясно Тепло Высокая Нет × # 8 Ясно Холодно Норм Нет ○ # 10 Ясно Тепло Норм Есть ○ # получаем данные, когда Погода - ясно, и иду на гольф print(df0.query("Погода=='Ясно' and Гольф=='○'")) # вывод # Погода Температура Влажность Ветер Гольф # 8 Ясно Холодно Норм Нет ○ # 10 Ясно Тепло Норм Есть ○ # получаем данные, когда Погода - ясно, или иду на гольф print(df0.query("Погода=='Ясно' or Гольф=='○'")) # вывод # Погода Температура Влажность Ветер Гольф # 0 Ясно Жарко Высокая Нет × # 1 Ясно Жарко Высокая Есть × # 2 Облачно Жарко Высокая Нет ○ # 3 Дождь Тепло Высокая Нет ○ # 4 Дождь Холодно Норм Нет ○ # 6 Облачно Холодно Норм Есть ○ # 7 Ясно Тепло Высокая Нет × # 8 Ясно Холодно Норм Нет ○ # 9 Дождь Тепло Норм Нет ○ # 10 Ясно Тепло Норм Есть ○ # 11 Дождь Тепло Высокая Есть ○ # 12 Дождь Жарко Норм Нет ○Спасибо за прочтение!
Мы будем очень рады, если вы расскажете нам, понравилась ли вам данная статья, понятен ли перевод, была ли она вам полезна?
ссылка на оригинал статьи https://habr.com/ru/post/520204/
Добавить комментарий