Выбор столбцов

В таблице продаж девять столбцов, а для конкретного вопроса обычно хватает двух-трёх. Лишние столбцы мешают: таблица не помещается на экран, в ней труднее найти нужное. Научимся оставлять только то, что нужно.

Несколько столбцов

Один столбец мы уже брали: orders["price"]. Чтобы взять несколько, в скобки передают список названий:

import pandas as pd

orders = pd.read_csv("data/shop_orders.csv")
orders[["product", "price"]]

Скобок получается две пары, и у них разный смысл. Внешние orders[...] — «достань из таблицы». Внутренние ["product", "price"] — обычный список Python. Результат — новая таблица (DataFrame) с теми же строками и тем же индексом, но только с выбранными столбцами.

Если забыть внутренние скобки, pandas станет искать один столбец со странным названием — и не найдёт:

orders["product", "price"]

KeyError: ('product', 'price')

goods = ...

goods = orders[["product", "price", "quantity"]]

Столбцы идут в том порядке, в каком названы в списке, — так их можно переставлять. Сам список удобно сохранить в переменную:

who_where = ["city", "customer_id", "date"]
orders[who_where].head(3)

Один столбец: Series или таблица

Одинарные скобки возвращают Series, двойные — таблицу, даже если в списке одно название:

print(type(orders["price"]))
print(type(orders[["price"]]))

<class 'pandas.Series'>
<class 'pandas.DataFrame'>

orders[["price"]].head(3)

Выглядят похоже, но это разные объекты. У Series нет названий столбцов и нет второго числа в shape; у таблицы из одного столбца — есть. Для вычислений (sum, арифметика) почти всегда нужен Series. Таблица из одного столбца бывает нужна, когда функция ждёт на вход именно таблицу.

price_column = ...
price_table = ...

price_column = orders["price"]
price_table = orders[["price"]]

Итоги сразу по нескольким столбцам

Методы sum, mean, max, min есть и у таблицы. Они считают итог по каждому столбцу и возвращают Series: метки — названия столбцов.

orders[["price", "quantity"]].mean()

price       688.721405
quantity      2.128268
dtype: float64

mean по таблице с текстовым столбцом остановится с ошибкой, а sum склеит текст в одну длинную строку. Поэтому сначала выбираем числовые столбцы, потом считаем.

maxima = ...
top_quantity = ...

maxima = orders[["price", "quantity"]].max()
top_quantity = maxima["quantity"]

Столбец через точку

Столбец можно достать и как атрибут — через точку:

orders.price.head(3)

0    3200
1     260
2     180
Name: price, dtype: int64

Это то же самое, что orders["price"], и в чужом коде такая запись встречается часто. Но у неё есть ловушки:

• не работает, если в названии есть пробел или оно начинается с цифры;
• не работает, если название совпадает с методом или атрибутом таблицы;
• так нельзя создать новый столбец.

Вторая ловушка — самая коварная, потому что ошибки нет:

cups = pd.DataFrame({"name": ["S", "M", "L"], "size": [0.25, 0.35, 0.45]})
print(cups.size)
print(cups["size"].tolist())

6
[0.25, 0.35, 0.45]

cups.size — не столбец, а атрибут таблицы: число всех её ячеек (3 строки × 2 столбца). Столбец достают только скобки; метод tolist() превращает Series в обычный список Python. В этом курсе мы всегда пишем скобки — они работают с любым названием.

receipt = ...
n_receipt_cols = ...

receipt = orders[["order_id", "product", "quantity", "price"]].head(10)
n_receipt_cols = receipt.shape[1]

Итоги

• таблица[["a", "b"]] — таблица из выбранных столбцов, порядок — как в списке.
• таблица["a"] — Series, таблица[["a"]] — таблица из одного столбца.
• sum, mean, max, min у таблицы считают по каждому столбцу и возвращают Series.
• таблица.a работает не всегда; скобки — всегда.