4.14. DataFrame Select

import numpy as np
import pandas as pd

np.random.seed(0)


values = np.random.randn(6, 4)
columns = ['Morning', 'Noon', 'Evening', 'Midnight']
indexes = pd.date_range('1970-01-01', periods=6)

df = pd.DataFrame(values, index=indexes, columns=columns)
#               Morning       Noon    Evening   Midnight
# 1970-01-01   0.486726  -0.291364  -1.105248  -0.333574
# 1970-01-02   0.301838  -0.603001   0.069894   0.309209
# 1970-01-03  -0.424429   0.845898  -1.460294   0.109749
# 1970-01-04   0.909958  -0.986246   0.122176   1.205697
# 1970-01-05  -0.172540  -0.974159  -0.848519   1.691875
# 1970-01-06   0.047059   0.359687   0.531386  -0.587663

4.14.1. First n records

df.head(2)
#               Morning       Noon    Evening   Midnight
# 1970-01-01   0.486726  -0.291364  -1.105248  -0.333574
# 1970-01-02   0.301838  -0.603001   0.069894   0.309209

4.14.2. Last n records

df.tail(3)
#               Morning       Noon    Evening   Midnight
# 1970-01-04   0.909958  -0.986246   0.122176   1.205697
# 1970-01-05  -0.172540  -0.974159  -0.848519   1.691875
# 1970-01-06   0.047059   0.359687   0.531386  -0.587663

4.14.3. By Value

df.loc[df['Morning'] < 0]
#               Morning       Noon    Evening   Midnight
# 1970-01-03  -0.424429   0.845898  -1.460294   0.109749
# 1970-01-05  -0.172540  -0.974159  -0.848519   1.691875

4.14.4. Assignments

4.14.4.1. Iris Clean

  1. Mając dane Irysów przekonwertuj je na DataFrame

  2. Podaj jawnie encoding

  3. Pierwsza linijka stanowi metadane (nie wyświetlaj jej)

  4. Nazwy poszczególnych kolumn:

    • Sepal length

    • Sepal width

    • Petal length

    • Petal width

    • Species

  5. Przefiltruj inplace kolumnę 'Petal length' i pozostaw wartości powyżej 2.0

  6. Dodaj kolumnę datetime i wpisz do niej dzisiejszą datę (UTC)

  7. Dodaj kolumnę big_enough i dla wartości 'Petal width' powyżej 1.0 ustawi True, a dla mniejszych False

  8. Pozostaw tylko kolumny 'Sepal length', 'Sepal width' oraz 'Species'

  9. Wykreśl podstawowe statystyki opisowe