Sélectionner des colonnes

Manipulation de données en Julia

Katerina Zahradova

Instructor

Salaires minimums aux É.-U.

# Afficher wages
wages

2703×10 DataFrame 2678 rows omitted 5 columns omitted
Row  year   state     region   state_min_wage    state_min_wage_2020_dollars ...
     Int64  String31  String3  Float64           Float64           ...
______________________________________________________________________________
1    1968   Alabama   S        0.0               0.0               ...
2    1968   Alaska    W        2.1               15.61             ...
...

Comment on découpe

# Avec la position de la colonne
wages[:, 1]

# Avec le nom de la colonne
wages[:, "year"]
wages[:, :year]

# Avec le nom de la colonne
wages.year

# Sélectionner plusieurs colonnes
wages[:, ["year", "state"]]
wages[:, [:year, :state]]
wages[:, [1,2]]

Sélectionner des colonnes

# Sélectionner l'État, l'année et le salaire minimum de l'État

select(wages, 2, 1, 4)

2703×3 DataFrame 2678 rows omitted
Row  state     year        state_min_wage    
     String31  Int64       Float64                      
____________________________________________
1    Alabama   1968        0.0                              
2    Alaska    1968        2.1                            
...

Sélectionner des colonnes

# Sélectionner l'État, l'année et le salaire minimum de l'État
select(wages, "state", :year, 4)

2703×3 DataFrame 2678 rows
Row  state     year        state_min_wage    
     String31  Int64       Float64                      
____________________________________________
1    Alabama   1968        0.0                              
2    Alaska    1968        2.1                            
...

Sélection par motifs

Sélectionner des colonnes

Commençant/finissant par une lettre/un mot
Contenant une sous-chaîne
...

... devient pénible sur de grands ensembles de données

Sélection par motifs

# Toutes les colonnes commençant par state
select(wages, Cols(startswith("state")))

2703×3 DataFrame 2702 rows omitted
Row state    state_min_wage state_min_wage_2020_dollars
    String31 Float64        Float64
__________________________________________
1   Alabama  0.0            0.0
...

Sélection par motifs

# Toutes les colonnes finissant par 2020_dollars
select(wages, Cols(endswith("2020_dollars")))

2703x3 DataFrame 2702 rows omitted
Row state_min_wage_2020_dollars  federal_min_wage_2020_dollars  effective_min_wage_2020_dollars
    Float64                      Float64                        Float64
________________________________________________________________________________________________
1   0.0                          8.55                           8.55
...

Sélection par motifs

# Toutes les colonnes contenant min
select(wages, Cols(contains.("min")))

2703×6 DataFrame 2702 rows omitted 3 columns omitted
Row  state_min_wage  state_min_wage_2020_dollars  federal_min_wage  ...    
     Float64         Float64                      Float64           ...
_______________________________________________________________________
1    0.0             0.0                          1.15              ...
...

Regex

regex = regular expressions

Chaîne de texte
Sert à repérer des motifs (complexes) dans le texte
En savoir plus sur le DataCamp Cheat Sheet, regex101.com et d'autres sites

Utiliser des regex

# Sélection avec des regex
select(wages, r"min")

2703×6 DataFrame 2702 rows omitted 3 columns omitted
Row  state_min_wage  state_min_wage_2020_dollars  federal_min_wage  ...    
     Float64         Float64                      Float64           ...
_______________________________________________________________________
1    0.0             0.0                          1.15              ...
...

select!() vs select()

# Modifie le DataFrame d'origine
select!(wages, :year, :state)

# Le DataFrame d'origine est modifié
println(first(wages))

DataFrameRow (2 columns)
Row  year    state     
     Int64   String31  
______________________
1    1968    Alabama

# Retourne un nouveau DataFrame
select(wages, :year, :state)

# Le DataFrame d'origine reste inchangé
println(first(wages))

DataFrameRow (10 columns, 7 omitted)
Row  year    state     region    ...
     Int64   String31  String3   ...
____________________________________
1    1968    Alabama   S         ...

Passons à la pratique !

Manipulation de données en Julia