Wie man die letzten N Zeilen eines pandas DataFrame?

Ich habe pandas dataframe df1 und df2 (df1 ist vanila dataframe, df2 ist indiziert durch 'STK_ID' & 'RPT_Date') :

>>> df1
    STK_ID  RPT_Date  TClose   sales  discount
0   000568  20060331    3.69   5.975       NaN
1   000568  20060630    9.14  10.143       NaN
2   000568  20060930    9.49  13.854       NaN
3   000568  20061231   15.84  19.262       NaN
4   000568  20070331   17.00   6.803       NaN
5   000568  20070630   26.31  12.940       NaN
6   000568  20070930   39.12  19.977       NaN
7   000568  20071231   45.94  29.269       NaN
8   000568  20080331   38.75  12.668       NaN
9   000568  20080630   30.09  21.102       NaN
10  000568  20080930   26.00  30.769       NaN

>>> df2
                 TClose   sales  discount  net_sales    cogs
STK_ID RPT_Date                                             
000568 20060331    3.69   5.975       NaN      5.975   2.591
       20060630    9.14  10.143       NaN     10.143   4.363
       20060930    9.49  13.854       NaN     13.854   5.901
       20061231   15.84  19.262       NaN     19.262   8.407
       20070331   17.00   6.803       NaN      6.803   2.815
       20070630   26.31  12.940       NaN     12.940   5.418
       20070930   39.12  19.977       NaN     19.977   8.452
       20071231   45.94  29.269       NaN     29.269  12.606
       20080331   38.75  12.668       NaN     12.668   3.958
       20080630   30.09  21.102       NaN     21.102   7.431

Bekomme ich die letzten 3 Zeilen von df2 von:

>>> df2.ix[-3:]
                 TClose   sales  discount  net_sales    cogs
STK_ID RPT_Date                                             
000568 20071231   45.94  29.269       NaN     29.269  12.606
       20080331   38.75  12.668       NaN     12.668   3.958
       20080630   30.09  21.102       NaN     21.102   7.431

während df1.ix[-3:] geben Sie alle Zeilen: 

>>> df1.ix[-3:]
    STK_ID  RPT_Date  TClose   sales  discount
0   000568  20060331    3.69   5.975       NaN
1   000568  20060630    9.14  10.143       NaN
2   000568  20060930    9.49  13.854       NaN
3   000568  20061231   15.84  19.262       NaN
4   000568  20070331   17.00   6.803       NaN
5   000568  20070630   26.31  12.940       NaN
6   000568  20070930   39.12  19.977       NaN
7   000568  20071231   45.94  29.269       NaN
8   000568  20080331   38.75  12.668       NaN
9   000568  20080630   30.09  21.102       NaN
10  000568  20080930   26.00  30.769       NaN

Warum ? Wie man die letzten 3 Zeilen von df1 (dataframe ohne index) ?
Pandas 0.10.1

  • Sie können df[-3:] auf die Ergebnisse, die Sie wollen. Dies wurde gelöst, als ein Problem, durch WesM. Nicht sicher, ob/Wann er die erste Feste: stackoverflow.com/questions/14035817/...
  • Ich glaube nicht, dass das stimmt. Ich denke, negative slicing mit ix war ein Fehler, aber die Weitergabe negativer Scheiben zu __getitem__ ist nicht. df.iloc[-3:] intern die Delegierten __getitem__ mit den gleichen Argumenten, tun df[-3:] ist eine Abkürzung für df.iloc[-3:], kein Fehler.
InformationsquelleAutor bigbug | 2013-02-02
  1. 315

    Vergessen Sie nicht DataFrame.tail! z.B. df1.tail(10)

    InformationsquelleAutor Wes McKinney
  2. 55

    Dies ist aufgrund der Verwendung von integer-Indizes (ix selektiert, die durch label über -3 anstatt position, und das ist by design: siehe integer Indizierung in pandas "Fallstricke"*).

    *In neueren Versionen von pandas bevorzugen loc oder iloc zu entfernen, die Mehrdeutigkeit von ix, als position oder label:

    df.iloc[-3:]

    sehen die docs.

    Als Wes Punkte heraus, in diesem speziellen Fall sollten Sie nur verwenden, Schwanz!

    • Kann ich nicht reproduzieren Ihre IndexError auf 0.14.1, df.iloc[-5:] funktioniert bei mir mit deinem Beispiel. Welche version des pandas sind verwenden Sie?
    InformationsquelleAutor Andy Hayden
  3. 5

    , Wie man die letzten N Zeilen eines pandas DataFrame?

    Wenn Sie schneiden durch die position __getitem__ (D. H., das schneiden mit[]) funktioniert gut, und ist das prägnanteste Lösung habe ich gefunden für dieses problem. 

    pd.__version__
# '0.24.2'

df = pd.DataFrame({'A': list('aaabbbbc'), 'B': np.arange(1, 9)})
df

   A  B
0  a  1
1  a  2
2  a  3
3  b  4
4  b  5
5  b  6
6  b  7
7  c  8

    df[-3:]

   A  B
5  b  6
6  b  7
7  c  8

    Dies ist das gleiche wie der Aufruf df.iloc[-3:] zum Beispiel (iloc intern die Delegierten __getitem__).

    Als beiseite, wenn Sie wollen, finden die letzten N Zeilen für jede Gruppe verwenden groupby und GroupBy.Schwanz:

    df.groupby('A').tail(2)

   A  B
1  a  2
2  a  3
5  b  6
6  b  7
7  c  8
    InformationsquelleAutor cs95
Schreibe einen Kommentar