แนะนำ Pandas (Introduction to Pandas)#

20 minutes

วัตถุประสงค์

หลังจากทำทำแล็บ นศ.จะสามารถ

  • ใช้งาน Pandas เข้าถึงและแสดงข้อมูลได้

Ref:

Dataset#

ตอนนี้ในมือของคุณมีชุดข้อมูล (Dataset) เพลง เป็นข้อมูลเพลงฮิตในแต่ละปีตั้งแต่ปี 2010 ถึงปี 2019 โดยข้อมูลอยู่ในรูปแบบของตาราง แต่ละแถว (row) ในตารางเป็นข้อมูลของเพลงแต่ละเพลง และแต่ละคอลัมน์ (column) มีข้อมูลดังต่อไปนี้

  • artist - ชื่อศิลปิน (นักร้อง วงดนตรี)

  • Top genre คือแนวเพลงหรือประเภทของแนวดนตรี

  • Year คือปีของเพลงที่อยู่ในบิลบอร์ด (Billboard)

  • Bpm (Tempo) คือจังหวะเร็วช้าขนาดไหน หน่วยเป็น bpm (Beats.Per.Minute)

  • Nrgy (Energy) คือพลังหรือความพุ่งของเพลง

  • Dnce (Danceability) คือความดิ้น หรือความน่าเต้นของเพลง

  • dB (Loudness) คือระดับความดังในหน่วย decibel

  • Live (Liveness) คือระดับของการแสดงสด (Live) ของเพลง

  • Val (Valence) คือระดับความ positive ในเพลง (ค่าต่ำ: เศร้า-หดหู่-โกรธ,คาสูง: มีความสุข-ให้กำลังใจ)

  • Dur (Length) - คือความยาว (ระยะเวลา) ของเพลง/ดนตรี

  • Acous (Acousticness) คือความ “acoustic” ของเพลง

  • Spch (Speechiness) คือปริมาณของคำพูดหรือเนื้อร้อง

  • Popularity คือระดับความนิยม ยิ่งค่าสูงเท่าไหร่ ยิ่งเป็นที่นิยม


ชุดข้อมูลที่ได้รับอยู่ในรูปตาราง (Format CSV)

(Source: spotifycharts.com, kaggle.com)

#

title

artist

top genre

year

bpm

nrgy

dnce

dB

live

val

dur

acous

spch

pop

1

Memories

Maroon 5

pop

2019

91

32

76

-7

8

57

189

84

5

99

2

Lose You To Love Me

Selena Gomez

dance pop

2019

102

34

51

-9

21

9

206

58

4

97

3

Someone You Loved

Lewis Capaldi

pop

2019

110

41

50

-6

11

45

182

75

3

96

4

Senorita

Shawn Mendes

canadian pop

2019

117

54

76

-6

9

75

191

4

3

95

5

How Do You Sleep?

Sam Smith

pop

2019

111

68

48

-5

8

35

202

15

9

93

6

South of the Border (feat. Camila Cabello & Cardi B)

Ed Sheeran

pop

2019

98

62

86

-6

9

67

204

15

8

92

7

Trampoline (with ZAYN)

SHAED

electropop

2019

127

46

62

-6

14

50

184

56

3

92

8

Happier

Marshmello

brostep

2019

100

79

69

-3

17

67

214

19

5

90

9

Truth Hurts

Lizzo

escape room

2019

158

62

72

-3

12

41

173

11

11

90

10

Good as Hell (feat. Ariana Grande) - Remix

Lizzo

escape room

2019

96

89

67

-3

74

48

159

30

6

90

11

Underneath the Tree

Kelly Clarkson

dance pop

2013

160

81

51

-5

21

69

230

0

5

88

12

Higher Love

Kygo

edm

2019

104

68

69

-7

10

40

228

2

3

88

13

Shape of You

Ed Sheeran

pop

2017

96

65

83

-3

9

93

234

58

8

87

14

Only Human

Jonas Brothers

boy band

2019

94

50

80

-6

6

87

183

11

7

87

15

All of Me

John Legend

neo mellow

2014

120

26

42

-7

13

33

270

92

3

86

16

Closer

The Chainsmokers

electropop

2017

95

52

75

-6

11

66

245

41

3

86

17

One Kiss (with Dua Lipa)

Calvin Harris

dance pop

2018

124

86

79

-3

8

59

215

4

11

86

18

Beautiful People (feat. Khalid)

Ed Sheeran

pop

2019

93

65

64

-8

8

55

198

12

19

86

19

Sucker

Jonas Brothers

boy band

2019

138

73

84

-5

11

95

181

4

6

86

20

Don’t Call Me Up

Mabel

dance pop

2019

99

88

67

-3

8

23

178

30

15

86

Pandas คือ?#

Pandas* เป็นไลบรารี่ที่ได้รับความนิยมอย่างมากอันหนึ่งของภาษาไพทอน ใช้ในการจัดการข้อมูล (Data wrangling/ Data cleaning) และการวิเคราะห์ข้อมูล (Data analysis) สามารถจัดการกับข้อมูลที่มีขนาดใหญ่ๆ ได้โดยที่ไม่มีปัญหา (ในขณะที่โปรแกรม Spreadsheets อย่าง Excel มีปัญหาเรื่องการประมวลผลช้าและไม่เสถียร)

หากทำงานเกี่ยวข้องกับ Data (เช่น Data Scientist) Pandas จะเป็นตัวเลือกหลัก เพราะ Pandas สามารถเชื่อมต่อการแหล่งข้อมูลได้หลากหลาย (เช่น CSV file, Text file, Microsoft Excel, Clipboard, HDFS format, Google BIg Query, Oracle database, URL, HTML, JSON file) หลังจากนั้นก็สามารถจัดเตรียมข้อมูล (Data preparation) ทำความสะอาดข้อมูล (Data cleansing/Data scrubbing) และจัดรูปแบบให้พร้อมกับการนำไปวิเคราะห์ (Data analytics) จนถึงแสดงผล (Data visualization) เบื้องต้นก็ได้

เนื่องจาก Pandas ไม่ใช่โมดูลมาตรฐานของไพทอน ดังนั้น ก่อนจะใช้งานจำเป็นต้องติดตั้งลงเครื่องก่อน (pip install หรือ conda install)

เราจะเริ่มต้นเขียนโปรแกรมโดยการ import เข้ามา ณ ที่นี้จะตั้งชื่อว่า pd เพื่อให้เวลาเรียกใช้งานฟังก์ชันจะได้เขียนง่ายๆ เช่น pd.read_csv()

(*Pandas มาจาก Panel data ซึ่งหมายถึงข้อมูลที่มีหลายมิติ)

การอ่านข้อมูลจากไฟล์ในรูปแบบ DataFrame#

Import ไลบรารี่ที่จะใช้งาน

import pandas as pd

เช็ค Version#

print ("Pandas version",pd.__version__)

Pandas version 1.5.1

ดาวน์โหลดชุดข้อมูลไฟล์ CSV เข้าสู่โปรแกรมในรูปแบบ DataFrame

The top songs BY YEAR in the world by spotify. This dataset has several variables about the songs and is based on Billboard.

(ชุดข้อมูลข้างต้นสามารถดาวโหลดได้จาก spotifycharts.com หรือ kaggle.com โดยข้อมูลดิบจะเรียงตามปี (Year) ในรูปของไฟล์ CSV (Comma-Separated Values) )

ก่อนอื่น เราจะโหลดไฟล์ข้อมูล csv ที่อยู่ในเครื่องของเราเข้าสู่ไพทอนในรูปแบบ DataFrame (DataFrame คือ ตารางข้อมูลที่ถูกแบ่งเป็นแถวและคอลัมน์เหมือน Excel) โดยใช้ฟังก์ชัน read_csv()

ตัวแปร csv_path เก็บที่อยู่ของไฟล์ (path) .csv ส่งเป็นอาร์กิวเมนต์ให้กับฟังก์ชั่น read_csv ผลลัพธ์จะถูกเก็บในออบเจ็กต์ชื่อ df ซึ่งเป็นชื่อย่อของตัวแปรที่นิยมใช้เก็บ DataFrame

# Read data from CSV file
csv_path = 'docs/Top_Spotify_songs_from_2010_2019.csv'
df = pd.read_csv(csv_path, encoding='ISO-8859-1')

หมายเหตุ: ASCII: 7 bit, ISO-8859-1: 8 bits, UTF-8: 8-32 bits

เราสามารถแสดงตัวอย่างข้อมูล (Preview) 5 แถวบนสุดและ 5 แถวล่างสุดของ Dataframe ได้โดยใช้ฟังก์ชัน ใช้เมธอด head() และ tail() ตามลำดับ

# Print first five rows of the dataframe

df.head()
Unnamed: 0 title artist top genre year bpm nrgy dnce dB live val dur acous spch pop
0 1 Hey, Soul Sister Train neo mellow 2010 97 89 67 -4 8 80 217 19 4 83
1 2 Love The Way You Lie Eminem detroit hip hop 2010 87 93 75 -5 52 64 263 24 23 82
2 3 TiK ToK Kesha dance pop 2010 120 84 76 -3 29 71 200 10 14 80
3 4 Bad Romance Lady Gaga dance pop 2010 119 92 70 -4 8 71 295 0 4 79
4 5 Just the Way You Are Bruno Mars pop 2010 109 84 64 -5 9 43 221 2 4 78

จะกำหนดจำนวนแถวที่ต้องการแสดงผลก็ทำได้ เช่น

df.head(2)
Unnamed: 0 title artist top genre year bpm nrgy dnce dB live val dur acous spch pop
0 1 Hey, Soul Sister Train neo mellow 2010 97 89 67 -4 8 80 217 19 4 83
1 2 Love The Way You Lie Eminem detroit hip hop 2010 87 93 75 -5 52 64 263 24 23 82

ในกรณีที่ข้อมูลเป็นไฟล์ excel (.xlsx, .xls) Pandas จะใช้ไลบรารี xlrd โดยเรียกใช้ใช้ฟังก์ชั่น read_excel() ซึ่งผลลัพท์ที่ได้จะเป็น Dataframe เช่นเดียวกัน

# Read data from Excel File and print the first five rows

xlsx_path = 'docs/Top_Spotify_songs_from_2010_2019.xlsx'

df = pd.read_excel(xlsx_path)
df.tail(2)
Unnamed: 0 title artist top genre year bpm nrgy dnce dB live val dur acous spch pop
601 602 Nothing Breaks Like a Heart (feat. Miley Cyrus) Mark Ronson dance pop 2019 114 79 60 -6 42 24 217 1 7 69
602 603 Kills You Slowly The Chainsmokers electropop 2019 150 44 70 -9 13 23 213 6 6 67

ในกรณีที่เกิด Error “XLRDError: Excel xlsx file; not supported” ให้ทำการติดตั้ง xlrd โดยใช้คำสั่งต่อไปนี้ แล้วลองโหลดใหม่ดูอีกที

# Dependency needed to install file 
# Pandas.read_excel a.) uses a library called xlrd internally.

!pip install xlrd

Requirement already satisfied: xlrd in /Users/tube.sc/.pyenv/versions/3.8.13/lib/python3.8/site-packages (2.0.1)

ตรวจสอบชุดข้อมูล#

เช็คจำนวนแถวและจำนวนคอลัมน์ ใน Pandas มีวิธีเช็คจำนวนแถวและจำนวนคอลัมน์ได้ง่ายๆ โดยใช้

df.shape

(603, 15)

ชุดข้อมูลมี 603 rows และ 15 columns

ดูค่าสถิติเบื้องต้นของข้อมูลแต่ละ column ใน DataFrame เช่น mean (ค่าเฉลี่ย), median (ค่ากลาง), standard deviation (std), min (ค่าต่ำสุด), max (ค่าสูงสุด) ฯลฯ

df.describe()
Unnamed: 0 year bpm nrgy dnce dB live val dur acous spch pop
count 603.000000 603.000000 603.000000 603.000000 603.000000 603.000000 603.000000 603.000000 603.000000 603.000000 603.000000 603.000000
mean 302.000000 2014.592040 118.545605 70.504146 64.379768 -5.578773 17.774461 52.225539 224.674959 14.326700 8.358209 66.520730
std 174.215384 2.607057 24.795358 16.310664 13.378718 2.798020 13.102543 22.513020 34.130059 20.766165 7.483162 14.517746
min 1.000000 2010.000000 0.000000 0.000000 0.000000 -60.000000 0.000000 0.000000 134.000000 0.000000 0.000000 0.000000
25% 151.500000 2013.000000 100.000000 61.000000 57.000000 -6.000000 9.000000 35.000000 202.000000 2.000000 4.000000 60.000000
50% 302.000000 2015.000000 120.000000 74.000000 66.000000 -5.000000 12.000000 52.000000 221.000000 6.000000 5.000000 69.000000
75% 452.500000 2017.000000 129.000000 82.000000 73.000000 -4.000000 24.000000 69.000000 239.500000 17.000000 9.000000 76.000000
max 603.000000 2019.000000 206.000000 98.000000 97.000000 -2.000000 74.000000 98.000000 424.000000 99.000000 48.000000 99.000000

หรือจะดูเฉพาะ mean (ค่าเฉลี่ย), median (ค่ากลาง), standard deviation (std), min (ค่าต่ำสุด), max (ค่าสูงสุด) ก็สามารถทำได้

df.mean()

/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82235/3698961737.py:1: FutureWarning: The default value of numeric_only in DataFrame.mean is deprecated. In a future version, it will default to False. In addition, specifying 'numeric_only=None' is deprecated. Select only valid columns or specify the value of numeric_only to silence this warning.
  df.mean()

Unnamed: 0     302.000000
year          2014.592040
bpm            118.545605
nrgy            70.504146
dnce            64.379768
dB              -5.578773
live            17.774461
val             52.225539
dur            224.674959
acous           14.326700
spch             8.358209
pop             66.520730
dtype: float64

df.median()

/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82235/530051474.py:1: FutureWarning: The default value of numeric_only in DataFrame.median is deprecated. In a future version, it will default to False. In addition, specifying 'numeric_only=None' is deprecated. Select only valid columns or specify the value of numeric_only to silence this warning.
  df.median()

Unnamed: 0     302.0
year          2015.0
bpm            120.0
nrgy            74.0
dnce            66.0
dB              -5.0
live            12.0
val             52.0
dur            221.0
acous            6.0
spch             5.0
pop             69.0
dtype: float64

df.std()

/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82235/3390915376.py:1: FutureWarning: The default value of numeric_only in DataFrame.std is deprecated. In a future version, it will default to False. In addition, specifying 'numeric_only=None' is deprecated. Select only valid columns or specify the value of numeric_only to silence this warning.
  df.std()

Unnamed: 0    174.215384
year            2.607057
bpm            24.795358
nrgy           16.310664
dnce           13.378718
dB              2.798020
live           13.102543
val            22.513020
dur            34.130059
acous          20.766165
spch            7.483162
pop            14.517746
dtype: float64

df.min()

/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82235/3962516015.py:1: FutureWarning: The default value of numeric_only in DataFrame.min is deprecated. In a future version, it will default to False. In addition, specifying 'numeric_only=None' is deprecated. Select only valid columns or specify the value of numeric_only to silence this warning.
  df.min()

Unnamed: 0               1
artist               3OH!3
top genre     acoustic pop
year                  2010
bpm                      0
nrgy                     0
dnce                     0
dB                     -60
live                     0
val                      0
dur                    134
acous                    0
spch                     0
pop                      0
dtype: object

df.max()

/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82235/1151452817.py:1: FutureWarning: The default value of numeric_only in DataFrame.max is deprecated. In a future version, it will default to False. In addition, specifying 'numeric_only=None' is deprecated. Select only valid columns or specify the value of numeric_only to silence this warning.
  df.max()

Unnamed: 0               603
artist             will.i.am
top genre     tropical house
year                    2019
bpm                      206
nrgy                      98
dnce                      97
dB                        -2
live                      74
val                       98
dur                      424
acous                     99
spch                      48
pop                       99
dtype: object

เช็คความผิดปกติใน DataFrame เบื้องต้น

หากเราใช้ฟังชั่น info() เราก็จะทราบว่าข้อมูลเบื้องต้นของ DataFrame เช่น มีกี่แถว, มีกี่คอลัมน์, Missing value มีมากน้อยเท่าไหร่, แต่ละคอลัมน์เป็น Data Type อะไรบ้าง ซึ่งเป็นการเช็คหาความผิดปกติใน DataFrame เบื้องต้นได้

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 603 entries, 0 to 602
Data columns (total 15 columns):
 #   Column      Non-Null Count  Dtype 
---  ------      --------------  ----- 
 0   Unnamed: 0  603 non-null    int64 
 1   title       603 non-null    object
 2   artist      603 non-null    object
 3   top genre   603 non-null    object
 4   year        603 non-null    int64 
 5   bpm         603 non-null    int64 
 6   nrgy        603 non-null    int64 
 7   dnce        603 non-null    int64 
 8   dB          603 non-null    int64 
 9   live        603 non-null    int64 
 10  val         603 non-null    int64 
 11  dur         603 non-null    int64 
 12  acous       603 non-null    int64 
 13  spch        603 non-null    int64 
 14  pop         603 non-null    int64 
dtypes: int64(12), object(3)
memory usage: 70.8+ KB

ชุดข้อมูลนี้ไม่มีช่องใดที่มีค่าเป็น NaN (ไม่มีข้อมูล)

df.columns

Index(['Unnamed: 0', 'title', 'artist', 'top genre', 'year', 'bpm', 'nrgy',
       'dnce', 'dB', 'live', 'val', 'dur', 'acous', 'spch', 'pop'],
      dtype='object')

df.dtypes

Unnamed: 0     int64
title         object
artist        object
top genre     object
year           int64
bpm            int64
nrgy           int64
dnce           int64
dB             int64
live           int64
val            int64
dur            int64
acous          int64
spch           int64
pop            int64
dtype: object

แสดง index ของ DataFrame ตอนสร้าง DataFrame ถ้าไม่ได้กำหนด index จะเป็นเลขลำดับ 0, 1, 2, 3, … โดยอัตโนมัติ

df.index

RangeIndex(start=0, stop=603, step=1)

✄ ———- เพิ่มเติม ———– ✄

# ******************************************************************
df.isnull().sum() # ตรวจสอบค่า null values ว่าในแต่ละคอลัมน์มีอยู่กี่ค่า

Unnamed: 0    0
title         0
artist        0
top genre     0
year          0
bpm           0
nrgy          0
dnce          0
dB            0
live          0
val           0
dur           0
acous         0
spch          0
pop           0
dtype: int64

df.count() # นับจำนวนข้อมูลในแต่ละคอลัมน์

Unnamed: 0    603
title         603
artist        603
top genre     603
year          603
bpm           603
nrgy          603
dnce          603
dB            603
live          603
val           603
dur           603
acous         603
spch          603
pop           603
dtype: int64

#******************************************************************

ตรวจสอบจำนวนเพลงที่…

ชื่อเพลงไม่ซ้ำกัน 584 เพลง

ชื่อศิลปินไม่ซ้ำกัน 184 เพลง

# ดูค่า nunique ของแต่ละคอลัมน์ (Count number of distinct elements in specified axis.

df.nunique()

Unnamed: 0    603
title         584
artist        184
top genre      50
year           10
bpm           104
nrgy           77
dnce           70
dB             14
live           61
val            94
dur           144
acous          75
spch           39
pop            71
dtype: int64

# ✄ ****************************************************************** ✄

การเข้าถึงข้อมูล (เบื้องต้น)#

การเข้าถึง Column

เราสามารถดูข้อมูลหรือเข้าถึง column ที่ต้องได้ โดยการใส่ชื่อคอลัมน์เป็น string ในวงเล็บเหลี่ยม [] (วงเล็บเดี่ยว) หรือใช้ชื่อคอลัมน์เป็นชื่อ attribute ก็ได้

Pandas มีออบเจ็กต์พิเศษ 2 ชนิดสำหรับใช้บรรจุข้อมูล ซีรีส์ (Pandas series) และ เดตาเฟรม (Pandas dataFrame)) ดังแสดงในรูป

[src] (https://towardsdatascience.com/how-to-master-pandas-for-data-science-b8ab0a9b1042)

# Access to the column year
y = df['year']
y

0      2010
1      2010
2      2010
3      2010
4      2010
       ... 
598    2019
599    2019
600    2019
601    2019
602    2019
Name: year, Length: 603, dtype: int64

y = df.year
y

0      2010
1      2010
2      2010
3      2010
4      2010
       ... 
598    2019
599    2019
600    2019
601    2019
602    2019
Name: year, Length: 603, dtype: int64

type(y)

pandas.core.series.Series

ผลลัพธ์ที่ได้เป็น 1 column เรียกว่า Panda series (1-D dataframe)

ในกรณีที่ต้องการให้เป็น Dataframe ก็สามารถทำได้โดยใช้ วงเล็บเหลี่ยม [[ ]] (วงเล็บคู่) เช่น column artist

# Get the column as a dataframe
y = df[['artist']]
y
artist
0 Train
1 Eminem
2 Kesha
3 Lady Gaga
4 Bruno Mars
... ...
598 Mark Ronson
599 Ed Sheeran
600 DJ Khaled
601 Mark Ronson
602 The Chainsmokers

603 rows × 1 columns

type(y)

pandas.core.frame.DataFrame

หากต้องการหลายคอลัมน์ก็สามารถทำได้ แค่ใส่ชื่อ dataframe ในกรณีนี้คือ df และชื่อของชื่อของคอลัมน์ที่ต้องการในวงเล็บคู่

# Access to multiple columns
y = df[['artist','year','top genre']]
y
artist year top genre
0 Train 2010 neo mellow
1 Eminem 2010 detroit hip hop
2 Kesha 2010 dance pop
3 Lady Gaga 2010 dance pop
4 Bruno Mars 2010 pop
... ... ... ...
598 Mark Ronson 2019 dance pop
599 Ed Sheeran 2019 pop
600 DJ Khaled 2019 dance pop
601 Mark Ronson 2019 dance pop
602 The Chainsmokers 2019 electropop

603 rows × 3 columns

<img src = “images/DataEgTwo.png)

จัดเรียงข้อมูล (Sorting): sort_index(), sort_values()

  • sort_index() เรียงลำดับ row ตามค่าของ index

  • sort_values() เรียงลำดับ row ตามค่าของ column ที่กำหนด

df.sort_values(by='bpm')
Unnamed: 0 title artist top genre year bpm nrgy dnce dB live val dur acous spch pop
442 443 Million Years Ago Adele british soul 2016 0 0 0 -60 0 0 227 0 0 0
44 45 You Lost Me Christina Aguilera dance pop 2010 43 39 23 -6 14 7 257 85 4 56
87 88 1+1 BeyoncÈ dance pop 2011 63 38 30 -7 7 26 274 38 3 60
5 6 Baby Justin Bieber canadian pop 2010 65 86 73 -5 11 54 214 4 14 77
460 461 Praying Kesha dance pop 2017 73 39 58 -7 11 32 230 49 3 77
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
314 315 I'll Show You Justin Bieber canadian pop 2015 192 61 36 -7 18 8 200 5 10 68
462 463 The Greatest Sia australian dance 2017 192 73 67 -6 6 73 210 1 27 76
200 201 How Ya Doin'? (feat. Missy Elliott) Little Mix dance pop 2013 201 95 36 -3 37 51 211 9 48 50
362 363 L.A.LOVE (la la) Fergie dance pop 2015 202 39 48 -8 26 27 193 2 9 0
276 277 FourFiveSeconds Rihanna barbadian pop 2015 206 27 58 -6 13 35 188 88 5 80

603 rows × 15 columns

df.sort_index()
Unnamed: 0 title artist top genre year bpm nrgy dnce dB live val dur acous spch pop
0 1 Hey, Soul Sister Train neo mellow 2010 97 89 67 -4 8 80 217 19 4 83
1 2 Love The Way You Lie Eminem detroit hip hop 2010 87 93 75 -5 52 64 263 24 23 82
2 3 TiK ToK Kesha dance pop 2010 120 84 76 -3 29 71 200 10 14 80
3 4 Bad Romance Lady Gaga dance pop 2010 119 92 70 -4 8 71 295 0 4 79
4 5 Just the Way You Are Bruno Mars pop 2010 109 84 64 -5 9 43 221 2 4 78
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
598 599 Find U Again (feat. Camila Cabello) Mark Ronson dance pop 2019 104 66 61 -7 20 16 176 1 3 75
599 600 Cross Me (feat. Chance the Rapper & PnB Rock) Ed Sheeran pop 2019 95 79 75 -6 7 61 206 21 12 75
600 601 No Brainer (feat. Justin Bieber, Chance the Ra... DJ Khaled dance pop 2019 136 76 53 -5 9 65 260 7 34 70
601 602 Nothing Breaks Like a Heart (feat. Miley Cyrus) Mark Ronson dance pop 2019 114 79 60 -6 42 24 217 1 7 69
602 603 Kills You Slowly The Chainsmokers electropop 2019 150 44 70 -9 13 23 213 6 6 67

603 rows × 15 columns

การดูข้อมูลและการเข้าถึงข้อมูล: iloc()

วิธีหนึ่งในการเข้าถึงข้อมูลแต่ละช่องคือใช้เมธอด iloc() (integer-location based indexing)

ยกตัวอย่าง เราสามารถเข้าถึงแถวที่ 1 และคอลัมน์ที่ 2 ได้ดังนี้

# Access the value on the first row and the first column
df.iloc[0, 1]

'Hey, Soul Sister'

ถ้าเป็นแถวที่ 1 และคอลัมน์ที่ 3 เขียนได้ดังนี้

# Access the value on the second row and the first column
df.iloc[0,2]

'Train'

เข้าถึงแถวที่ 2 และคอลัมน์ที่ 2 และแถวที่ 2 และคอลัมน์ที่ 3 ได้ดังนี้

# Access the value on the first row and the third column
df.iloc[1,1]

'Love The Way You Lie'

# Access the value on the second row and the third column
df.iloc[1,2]

'Eminem'

แสดงได้ดังรูป

นอกจากจะใช้ index แล้วเรายังสามารถเข้าถึงคอลัมน์โดยใช้ชื่อได้เช่นกันโดยใช้เมธอด loc() (location based indexing) (ผลลัพธ์เหมือนกับก่อนหน้านี้)

# Access the column using the name

df.loc[0, 'title']

'Hey, Soul Sister'

# Access the column using the name

df.loc[0, 'artist']

'Train'

# Access the column using the name

df.loc[1, 'title']

'Love The Way You Lie'

# Access the column using the name

df.loc[1, 'artist']

'Eminem'

การตัด (Slicing)

เราสามารถทำการตัดข้อมูลโดยใช้ทั้งดัชนีและชื่อของคอลัมน์ได้

# Slicing the dataframe

z = df.iloc[1:3, 1:4]
z
title artist top genre
1 Love The Way You Lie Eminem detroit hip hop
2 TiK ToK Kesha dance pop 

# Slicing the dataframe using name

z = df.loc[0:3, 'title':'year']
z
title artist top genre year
0 Hey, Soul Sister Train neo mellow 2010
1 Love The Way You Lie Eminem detroit hip hop 2010
2 TiK ToK Kesha dance pop 2010
3 Bad Romance Lady Gaga dance pop 2010

การจัดกลุ่มข้อมูลตาม column ที่กำหนด: groupby()

จัดกลุ่มข้อมูลตาม column ที่กำหนดโดยใช้เมธอด groupby()

df.groupby('year').median()

/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82235/130325292.py:1: FutureWarning: The default value of numeric_only in DataFrameGroupBy.median is deprecated. In a future version, numeric_only will default to False. Either specify numeric_only or select only columns which should be valid for the function.
  df.groupby('year').median()
Unnamed: 0 bpm nrgy dnce dB live val dur acous spch pop
year
2010 26.0 125.0 82.0 67.0 -5.0 13.0 61.0 221.0 3.0 5.0 65.0
2011 78.0 126.0 78.0 65.0 -5.0 14.0 57.0 231.0 5.0 5.0 66.0
2012 122.0 125.0 79.0 67.0 -5.0 12.0 68.0 225.0 2.0 5.0 72.0
2013 175.0 126.0 78.0 63.0 -5.0 13.0 52.0 227.0 4.0 5.0 67.0
2014 239.5 125.0 72.0 63.5 -6.0 13.5 54.0 223.5 8.0 5.0 65.0
2015 316.0 120.0 75.0 67.0 -5.0 13.0 52.0 220.0 6.0 5.0 68.0
2016 403.5 113.0 71.0 63.0 -6.0 13.0 43.0 217.5 5.5 6.0 69.0
2017 476.0 106.0 72.0 68.0 -5.0 12.0 54.0 222.0 9.0 6.0 71.0
2018 540.5 110.0 67.0 67.5 -6.0 11.5 47.5 211.5 5.0 6.0 74.5
2019 588.0 104.0 68.0 70.0 -6.0 10.0 52.0 202.0 13.0 5.0 85.0 
df.groupby('artist').mean().head()

/var/folders/nb/qx4_7k_n2mx3zzwh39qtrg_c0000gn/T/ipykernel_82235/3811477203.py:1: FutureWarning: The default value of numeric_only in DataFrameGroupBy.mean is deprecated. In a future version, numeric_only will default to False. Either specify numeric_only or select only columns which should be valid for the function.
  df.groupby('artist').mean().head()
Unnamed: 0 year bpm nrgy dnce dB live val dur acous spch pop
artist
3OH!3 32.0 2010.0 138.0 89.0 68.0 -4.0 36.0 83.0 192.0 1.0 8.0 62.0
5 Seconds of Summer 230.0 2014.0 160.0 95.0 49.0 -4.0 33.0 44.0 202.0 0.0 13.0 71.0
A Great Big World 250.0 2014.0 138.0 15.0 45.0 -9.0 9.0 9.0 229.0 87.0 3.0 61.0
Adam Lambert 30.0 2010.0 158.5 79.5 54.5 -4.5 21.5 62.0 227.5 1.0 8.0 62.5
Adele 317.8 2014.7 119.3 47.3 52.3 -11.4 10.4 35.4 257.5 35.3 4.0 61.5

[Exercise]#

  1. จงเขียนโค้ด กำหนดให้ตัวแปร q เก็บข้อมูลคอลัมน์ title ในรูปแบบของ dataframe

# Write your code below and press Shift+Enter to execute

  1. เขียนโค้ดกำหนดค่าให้ตัวแปร q เก็บ dataframe ที่ประกอบด้วยคอลัมน์ artist title และ year

# Write your code below and press Shift+Enter to execute

  1. เขียนโค้ดเข้าถึงข้อมูลที่อยู่ในแถวที่ 102 และคอลัมน์ที่ 3 ของ df

# Write your code below and press Shift+Enter to execute

  1. ค้นหาชื่อเพลงที่มีค่า nrgy ต่ำสุดและสูงสุด

# Write your code below and press Shift+Enter to execute

Author#

S.C.

Change Log#

Date

Version

Change Description

08-08-2021

0.1

First edition