선택한 열을 영상 시리즈가 아닌 데이터 프레임으로 유지

선택한 열을 영상 시리즈가 아닌 데이터 프레임으로 유지

Panda DataFrame에서 단일 열을 선택하는 경우(예:df.iloc[:, 0],df['A']또는df.A등), 결과 벡터는 단일 열 DataFrame 대신 Series로 자동 변환됩니다.하지만 저는 DataFrame을 입력 인수로 사용하는 몇 가지 함수를 작성하고 있습니다.따라서 함수가 df.columns에 액세스할 수 있다고 가정할 수 있도록 Series 대신 단일 열 DataFrame을 처리하는 것을 선호합니다.지금은 다음과 같은 것을 사용하여 시리즈를 데이터 프레임으로 명시적으로 변환해야 합니다.pd.DataFrame(df.iloc[:, 0])이것은 가장 깨끗한 방법처럼 보이지 않습니다.데이터 프레임에서 직접 인덱싱하여 결과가 시리즈가 아닌 단일 열 데이터 프레임이 되도록 하는 더 우아한 방법이 있습니까?

@Jeff가 언급했듯이 이를 위한 몇 가지 방법이 있지만, loc/iloc을 사용하여 좀 더 명확하게 설명할 것을 권장합니다(그리고 모호한 것을 시도하는 경우 오류를 조기에 제기할 것을 권장합니다.

In [10]: df = pd.DataFrame([[1, 2], [3, 4]], columns=['A', 'B'])

In [11]: df
Out[11]:
   A  B
0  1  2
1  3  4

In [12]: df[['A']]

In [13]: df[[0]]

In [14]: df.loc[:, ['A']]

In [15]: df.iloc[:, [0]]

Out[12-15]:  # they all return the same thing:
   A
0  1
1  3

후자의 두 가지 선택은 정수 열 이름의 경우 모호성을 제거합니다(정확하게는 loc/iloc이 생성된 이유).예:

In [16]: df = pd.DataFrame([[1, 2], [3, 4]], columns=['A', 0])

In [17]: df
Out[17]:
   A  0
0  1  2
1  3  4

In [18]: df[[0]]  # ambiguous
Out[18]:
   A
0  1
1  3

Andy Hayden이 권장하는 바와 같이 .iloc/.loc을 사용하여 단일 열 데이터 프레임을 인덱싱하는 것이 방법입니다. 또 다른 주목할 점은 인덱스 위치를 표현하는 방법입니다.Dataframe으로 인덱싱할 인수 값을 지정하는 동안 나열된 인덱스 레이블/위치를 사용합니다. 그렇지 않으면 'pandas.core.series'가 반환됩니다.시리즈'

입력:

    A_1 = train_data.loc[:,'Fraudster']
    print('A_1 is of type', type(A_1))
    A_2 = train_data.loc[:, ['Fraudster']]
    print('A_2 is of type', type(A_2))
    A_3 = train_data.iloc[:,12]
    print('A_3 is of type', type(A_3))
    A_4 = train_data.iloc[:,[12]]
    print('A_4 is of type', type(A_4))

출력:

    A_1 is of type <class 'pandas.core.series.Series'>
    A_2 is of type <class 'pandas.core.frame.DataFrame'>
    A_3 is of type <class 'pandas.core.series.Series'>
    A_4 is of type <class 'pandas.core.frame.DataFrame'>

이 세 가지 접근 방식이 언급되었습니다.

pd.DataFrame(df.loc[:, 'A'])  # Approach of the original post
df.loc[:,[['A']]              # Approach 2 (note: use iloc for positional indexing)
df[['A']]                     # Approach 3

pd.Series.to _frame()은 또 다른 접근 방식입니다.

방법이기 때문에 위의 두 번째와 세 번째 접근법이 적용되지 않는 상황에서 사용할 수 있습니다.특히 데이터 프레임의 열에 어떤 방법을 적용할 때 유용하며 출력을 열 대신 데이터 프레임으로 변환하려고 합니다.예를 들어, 주피터 노트북에서 시리즈는 예쁜 출력을 가지지 않지만 데이터 프레임은 그럴 것입니다.

# Basic use case: 
df['A'].to_frame()

# Use case 2 (this will give you pretty output in a Jupyter Notebook): 
df['A'].describe().to_frame()

# Use case 3: 
df['A'].str.strip().to_frame()

# Use case 4: 
def some_function(num): 
    ...

df['A'].apply(some_function).to_frame()

사용할 수 있습니다.df.iloc[:, 0:1]이 경우 결과 벡터는 다음과 같습니다.DataFrame시리즈가 아닌.

보시다시피:

(판다 이야기 1.3.4)

관련된 답변에 맥락을 조금 더 추가하고 싶습니다..to_frame()데이터 프레임의 단일 행을 선택하고 실행하는 경우.to_frame()그러면 인덱스가 원래 열 이름으로 구성되고 숫자 열 이름을 얻을 수 있습니다.당신은 그냥 위에 고정할 수 있습니다..T원래 데이터 프레임의 형식으로 다시 변환하기 위해 끝까지 이동합니다(아래 참조).

import pandas as pd
print(pd.__version__)  #1.3.4


df = pd.DataFrame({
    "col1": ["a", "b", "c"],
    "col2": [1, 2, 3]
})

# series
df.loc[0, ["col1", "col2"]]

# dataframe (column names are along the index; not what I wanted)
df.loc[0, ["col1", "col2"]].to_frame()
    #       0
    # col1  a
    # col2  1

# looks like an actual single-row dataframe.
# To me, this is the true answer to the question
# because the output matches the format of the
# original dataframe.
df.loc[0, ["col1", "col2"]].to_frame().T
    #   col1 col2
    # 0    a    1

# this works really well with .to_dict(orient="records") which is 
# what I'm ultimately after by selecting a single row
df.loc[0, ["col1", "col2"]].to_frame().T.to_dict(orient="records")
    # [{'col1': 'a', 'col2': 1}]

언급URL : https://stackoverflow.com/questions/16782323/keep-selected-column-as-dataframe-instead-of-series