Dividir el marco de datos de Pandas por valor de columna

A veces, para analizar el marco de datos con mayor precisión, necesitamos dividirlo en 2 o más partes. Los pandas proporcionan la función para dividir Dataframe según el índice de columna, el índice de fila y los valores de columna, etc. 

¿Veamos cómo dividir el marco de datos de Pandas por valor de columna en Python? 

Ahora, vamos a crear un marco de datos:

villanos

# importing pandas library
import pandas as pd
 
# Initializing the nested list with Data-set
player_list = [['M.S.Dhoni', 36, 75, 5428000],
               ['A.B.D Villiers', 38, 74, 3428000],
               ['V.Kholi', 31, 70, 8428000],
               ['S.Smith', 34, 80, 4428000],
               ['C.Gayle', 40, 100, 4528000],
               ['J.Root', 33, 72, 7028000],
               ['K.Peterson', 42, 85, 2528000]]
 
# creating a pandas dataframe
df = pd.DataFrame(player_list,
                  columns = ['Name', 'Age',
                             'Weight', 'Salary'])
 
# show the dataframe
df

Producción:

Método 1: Usar el enfoque de enmascaramiento booleano .

Este método se utiliza para imprimir solo la parte del marco de datos en la que pasamos un valor booleano True.

Ejemplo 1:

# importing pandas library
import pandas as pd
 
# Initializing the nested list with Data-set
player_list = [['M.S.Dhoni', 36, 75, 5428000],
               ['A.B.D Villiers', 38, 74, 3428000],
               ['V.Kholi', 31, 70, 8428000],
               ['S.Smith', 34, 80, 4428000],
               ['C.Gayle', 40, 100, 4528000],
               ['J.Root', 33, 72, 7028000],
               ['K.Peterson', 42, 85, 2528000]]
 
# creating a pandas dataframe
df = pd.DataFrame(player_list,
                  columns = ['Name', 'Age',
                             'Weight', 'Salary'])
 
# splitting the dataframe into 2 parts
# on basis of 'Age' column values
# using Relational operator
df1 = df[df['Age'] >= 37]
 
# printing df1
df1

Producción:

df2 = df[df['Age'] < 37]
 
# printing df2
df2

Producción:

En el ejemplo anterior, el marco de datos ‘df’ se divide en 2 partes ‘df1’ y ‘df2’ en función de los valores de la columna ‘ Edad ‘.

Ejemplo 2: 

# importing pandas library
import pandas as pd
 
# Initializing the nested list with Data-set
player_list = [['M.S.Dhoni', 36, 75, 5428000],
               ['A.B.D Villiers', 38, 74, 3428000],
               ['V.Kholi', 31, 70, 8428000],
               ['S.Smith', 34, 80, 4428000],
               ['C.Gayle', 40, 100, 4528000],
               ['J.Root', 33, 72, 7028000],
               ['K.Peterson', 42, 85, 2528000]]
 
# creating a pandas dataframe
df = pd.DataFrame(player_list,
                  columns = ['Name', 'Age',
                             'Weight', 'Salary'])
 
# splitting the dataframe into 2 parts
# on basis of 'Weight' column values
mask = df['Weight'] >= 80
 
df1 = df[mask]
 
# invert the boolean values
df2 = df[~mask]
 
# printing df1
df1

Producción:

# printing df2
df2

Producción:

En el ejemplo anterior, el marco de datos ‘df’ se divide en 2 partes ‘df1’ y ‘df2’ en función de los valores de la columna ‘ Peso ‘.

Método 2: Usar Dataframe.groupby() .

Este método se utiliza para dividir los datos en grupos según algunos criterios.

Ejemplo:

# importing pandas library
import pandas as pd
 
# Initializing the nested list with Data-set
player_list = [['M.S.Dhoni', 36, 75, 5428000],
               ['A.B.D Villiers', 38, 74, 3428000],
               ['V.Kholi', 31, 70, 8428000],
               ['S.Smith', 34, 80, 4428000],
               ['C.Gayle', 40, 100, 4528000],
               ['J.Root', 33, 72, 7028000],
               ['K.Peterson', 42, 85, 2528000]]
 
# creating a pandas dataframe
df = pd.DataFrame(player_list,
                  columns = ['Name', 'Age',
                             'Weight', 'Salary'])
 
# splitting the dataframe into 2 parts
# on basis of 'Salary' column values
# using dataframe.groupby() function
df1, df2 = [x for _, x in df.groupby(df['Salary'] < 4528000)]
 
# printing df1
df1

Producción:

# printing df2
df2

Producción:

En el ejemplo anterior, el marco de datos ‘df’ se divide en 2 partes ‘df1’ y ‘df2’ en función de los valores de la columna ‘ Salario ‘.