Summary  
This chapter explains how to access single or multiple columns in a Pandas DataFrame using square bracket or dot notation, and highlights the limitations of dot notation.

General domain of usage  
Data manipulation with Pandas

In this video, you'll learn how to access columns in a pandas DataFrame using both square bracket and dot notation. You'll see practical code examples for retrieving a single column as a Series and multiple columns as a new DataFrame. The video also explains when dot notation is allowed, and demonstrates how to use double square brackets to select several columns at once. By the end, you'll be able to confidently extract the data you need from any DataFrame.

Bij het werken met een DataFrame kun je elke kolom afzonderlijk benaderen.
```python
df['column_name']
```

Ter verduidelijking van deze syntaxis:
- Begin met de naam van de DataFrame waarmee je werkt;
- Plaats vervolgens de kolomnaam die je wilt benaderen tussen **rechte haken**. Vergeet niet de kolomnaam tussen aanhalingstekens te zetten.

Als alternatief kun je **dot-notatie** gebruiken om een kolom te benaderen als de kolomnaam:

1. Een geldige Python-identifier is (bijvoorbeeld geen spaties, speciale tekens of beginnend met een cijfer);
2. Niet conflicteert met een bestaande `pandas` attribuut- of methodenaam.

```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)

Het uitvoeren van deze code toont alleen de kolom met hoofdsteden, in plaats van de volledige DataFrame.

Het is ook mogelijk om **meerdere** kolommen als volgt te benaderen:
```python
df[['column1', 'column2', 'column3']]
```

In vergelijking met het benaderen van één enkele kolom is er slechts één verschil. Ditmaal moet de **lijst met kolomnamen** binnen een extra set vierkante haken worden geplaatst — dus er worden **dubbele vierkante haken** gebruikt.

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 is een uiterst gebruiksvriendelijke bibliotheek voor data-analyse. Het is ook ontworpen om grote datasets te verwerken, met behulp van datastructuren zoals DataFrame en Series. Dit maakt het een onmisbaar hulpmiddel voor Data Science. In deze gids maakt u kennis met diverse statistische functies, waaronder het vinden van correlaties, modi, medianen en maximale en minimale waarden binnen een dataset. U leert ook hoe u ontbrekende waarden kunt verwerken en specifieke waarden kunt manipuleren, evenals hoe u deze kunt verwijderen.

Duik in de basisprincipes van de pandas-bibliotheek. Leer hoe je Series en DataFrames maakt en bewerkt, onderzoek hun structuur en ontwikkel vertrouwen in het uitvoeren van essentiële data-operaties.

Beheers het laden en beheren van gegevens uit CSV- en TXT-bestanden. Verkrijg praktische ervaring met het importeren van datasets en het voorbereiden ervan voor verdere analyse met behulp van pandas-tools.

Leer hoe u gegevens effectief kunt verkennen, opschonen en samenvatten. Begrijp hoe u omgaat met ontbrekende waarden, inzichten verkrijgt en basisstatistische bewerkingen uitvoert met pandas.

Werken met Kolommen

Oplossing