Summary  
This chapter explains how to access single or multiple columns in a DataFrame using bracket notation (single brackets for one column, double brackets for multiple) or dot notation when column names are valid identifiers.

General domain of usage  
Data analysis

Työskennellessäsi DataFrame-objektin kanssa voit käyttää kutakin saraketta erikseen.
```python
df['column_name']
```

Tämän syntaksin selvennykseksi:
- Kirjoita ensin käyttämäsi DataFrame-objektin nimi;
- Seuraavaksi aseta haluamasi sarakkeen nimi **hakasulkeisiin**. Muista laittaa sarakkeen nimi lainausmerkkeihin.

Vaihtoehtoisesti voit käyttää **piste-notaatiota** sarakkeen käyttämiseen, jos sarakkeen nimi:

1. On kelvollinen Python-tunniste (esim. ei välilyöntejä, erikoismerkkejä tai ala numero);
2. Ei ole ristiriidassa olemassa olevan `pandas`-attribuutin tai metodin nimen kanssa.

```python
df.column_name
```

import pandas as pd

countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'],
          'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'],
          'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}
countries = pd.DataFrame(countries_data)

capitals = countries['capital']

# Second option
# capitals = countries.capital

print(capitals)

Tämän koodin suorittaminen näyttää vain pääkaupunkeja sisältävän sarakkeen koko DataFramen sijaan.

Voit myös hakea **useita** sarakkeita näin:
```python
df[['column1', 'column2', 'column3']]
```

Yhden sarakkeen hakemiseen verrattuna on vain yksi ero. Tällä kertaa sarakenimien **lista** tulee sijoittaa ylimääräisten hakasulkujen sisään — eli käytetään **kaksoishakasulkuja**.

import pandas as pd

countries_data = {'country' : ['Thailand', 'Philippines', 'Monaco', 'Malta', 'Sweden', 'Paraguay', 'Latvia'],
          'continent' : ['Asia', 'Asia', 'Europe', 'Europe', 'Europe', 'South America', 'Europe'],
          'capital':['Bangkok', 'Manila', 'Monaco', 'Valletta', 'Stockholm', 'Asuncion', 'Riga']}
countries = pd.DataFrame(countries_data)
columns = countries[['country', 'capital']]
print(columns)

import unittest
import importlib
import pandas as pd


# Helper function for dynamic test naming
def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)


def get_first_differing_row(expected_df, actual_df):
    expected_list = expected_df.astype(str).apply(tuple, axis=1)
    actual_list = actual_df.astype(str).apply(tuple, axis=1)

    for i, (row1, row2) in enumerate(zip(expected_list, actual_list)):
        if row1 != row2:
            return i, expected_df.iloc[i].values, actual_df.iloc[i].values

    if len(expected_df) > len(actual_df):
        return len(actual_df), expected_df.iloc[len(actual_df)].values, None
    else:
        return len(expected_df), None, actual_df.iloc[len(expected_df)].values


class TestUserCode(unittest.TestCase):

    def test_columns_variable_is_declared(self):
        import user_code
        _dynamic_test(
            self,
            hasattr(user_code, 'columns'),
            "The `columns` variable is declared.",
            "Expected `columns` to be declared."
        )

    def test_text_columns_is_dataframe(self):
        import user_code

        try:
            condition = isinstance(user_code.columns, pd.DataFrame)
            failure_message = f"Expected `columns` to be a `DataFrame`, but got `{type(user_code.columns).__name__}`."
        except AttributeError:
            condition = False
            failure_message = "The `columns` variable is not declared."

        _dynamic_test(
            self,
            condition,
            "The variable `columns` is a `DataFrame`.",
            failure_message
        )

    def test_columns_contains_correct_values(self):
        import user_code

        expected_df = pd.DataFrame({
            'model': ['audi A1', 'audi A6', 'audi A4', 'audi A3', 'audi A1'],
            'price': [12500, 16500, 16800, 17300, 13900],
            'year': [2017, 2016, 2017, 2019, 2016]
        })

        variable = 'columns'
        actual_df = getattr(user_code, variable, None)
        condition = False
        if actual_df is None:
            failure_message = f"The `{variable}` variable is not declared."
        elif not isinstance(actual_df, pd.DataFrame):
            failure_message = f"`{variable}` is not a `DataFrame`."
        elif actual_df.empty:
            failure_message = f"`{variable}` is empty."
        elif actual_df.sort_index(axis=1).equals(expected_df):
            condition = True
            failure_message = None
        else:
            actual_df = actual_df.sort_index(axis=1)
            idx, expected_row, actual_row = get_first_differing_row(expected_df, actual_df)
            failure_message = f"Expected `{variable}` to contain `{expected_row}` at row {idx}, but got `{actual_row}`."

        _dynamic_test(
            self,
            condition,
            f"`{variable}` contains the correct data.",
            failure_message
        )

        _dynamic_test(
            self,
            condition,
            "`columns` contains the correct values.",
            failure_message
        )


if __name__ == '__main__':
    unittest.main()

test_main.py

Pandas on erittäin käyttäjäystävällinen kirjasto data-analyysiin. Se on myös suunniteltu käsittelemään suuria tietoaineistoja hyödyntäen tietorakenteita kuten DataFrame ja Series. Tämä tekee siitä korvaamattoman työkalun Data Science -alalla. Tässä oppaassa tutustut erilaisiin tilastollisiin funktioihin, kuten korrelaatioiden, moodien, mediaanien sekä suurimpien ja pienimpien arvojen etsimiseen tietoaineistosta. Opit myös käsittelemään puuttuvia arvoja ja muokkaamaan sekä poistamaan yksittäisiä arvoja.

Pandas-kirjaston perusteiden tarkastelu. Series- ja DataFrame-olioiden luominen ja käsittely, rakenteen tutkiminen sekä varmuuden kehittäminen olennaisten tietoaineistojen käsittelytoimintojen suorittamisessa.

Opi hallitsemaan tiedon lataamista ja käsittelyä CSV- ja TXT-tiedostoista. Saat käytännön kokemusta aineistojen tuonnista ja valmistelusta jatkoanalyysiä varten pandas-työkaluilla.

Opi tutkimaan, puhdistamaan ja tiivistämään dataa tehokkaasti. Ymmärrä, kuinka käsitellä puuttuvia arvoja, löytää oivalluksia ja suorittaa perus tilastollisia operaatioita pandas-kirjastolla.

Työskentely Sarakkeiden Kanssa

Ratkaisu