博客园  :: 首页  :: 新随笔  :: 联系 :: 订阅 订阅  :: 管理

在DataFrame数据表里面提取需要的行

Posted on 2018-10-17 09:46  沉默改良者  阅读(3509)  评论(0编辑  收藏  举报

在DataFrame数据表里面提取需要的行

代码功能:

 在DataFrame表格中使用loc(),得到我们想要的行,然后根据某一列元素的值进行排序

 此代码中还展示了为DataFrame添加列,即直接name_DataFrame['diff']=___即可,同时可以依据新添加的列元素的值,来对dataframe进行排序

import pandas as pd


unames = ['user_id', 'gender', 'age','occupation','zip']
users = pd.read_table('users.dat', sep='::',header=None, names=unames)

rnames = ['user_id', 'movie_id', 'rating', 'timestamp']
ratings = pd.read_table('ratings.dat', sep='::', header=None, names=rnames)

mnames = ['movie_id', 'title', 'genres']
movies = pd.read_table('movies.dat', sep='::', header=None, names=mnames)

data = pd.merge(pd.merge(ratings,users),movies)

mean_ratings = pd.pivot_table(data,index=['title'],values='rating',columns='gender')

print(mean_ratings[:10])

ratings_by_title = data.groupby('title').size()

print(ratings_by_title[:10])

active_titles = ratings_by_title.index[ratings_by_title >= 250]

print(active_titles)

active_mean_ratings = mean_ratings.loc[active_titles]

top_female_ratings = active_mean_ratings.sort_index(by='F', ascending=False)

active_mean_ratings['diff'] = active_mean_ratings['M'] - active_mean_ratings['F']

sorted_by_diff = active_mean_ratings.sort_index(by='diff')

print(sorted_by_diff[::-1][:15]) #注意对dataframe进行倒序访问的方法