DataFrame.take() - доступ к срезу данных DataFrame по позиции (метод для совместимости с numpy);Series.take() - доступ к срезу данных Series по позиции (метод для совместимости с numpy);Index.take() - доступ к срезу данных Index по позиции (метод для совместимости с numpy);Series.take(indices, **kwargs):DataFrame.take(indices, axis=0, **kwargs):Методы Series.take() и DataFrame.take() возвращают элементы данных, находящихся в заданных позициях indices объектов Series/DataFrame. Это означает, что список позиций indices указывается согласно фактическому положению элемента в соответствующем объекте.
Принимаемые аргументы:
indices - массив/список целых чисел, указывающий, из каких позиций требуется извлечь данные. axis=0 - ось, по которой выбираются элементы. 0 или 'index' означает, что выбираются строки, 1 или 'columns' означает, что выбираются столбцы. Для Series этот аргумент не используется и по умолчанию равен 0.**kwargs - для совместимости с numpy.take(). Не влияет на вывод.Series.take() и DataFrame.take():>>> import pandas as pd >>> import numpy as np df = pd.DataFrame([('falcon', 'bird', 389.0), ('parrot', 'bird', 24.0), ('lion', 'mammal', 80.5), ('monkey', 'mammal', np.nan)], columns=['name', 'class', 'max_speed'], index=[0, 2, 3, 1]) >>> df # name class max_speed # 0 falcon bird 389.0 # 2 parrot bird 24.0 # 3 lion mammal 80.5 # 1 monkey mammal NaN
Берет элементы в позициях 0 и 3 по оси 0 (по умолчанию).
Обратите внимание, что фактически выбранные индексные метки (0 и 1) не соответствуют выбранным позициям 0 и 3.
>>> df.take([0, 3]) # name class max_speed # 0 falcon bird 389.0 # 1 monkey mammal NaN
Берем элементы с позиционными индексами 1 и 2 по оси 1 (столбец).
>>> df.take([1, 2], axis=1) # class max_speed # 0 bird 389.0 # 2 bird 24.0 # 3 mammal 80.5 # 1 mammal NaN
Можно брать элементы, используя отрицательные целые числа, в качестве положительных индексов, начиная с конца объекта, как и в случае со списками Python.
>>> df.take([-1, -2]) # name class max_speed # 1 monkey mammal NaN # 3 lion mammal 80.5
Index.take(indices, allow_fill=True, fill_value=None, **kwargs):Метод Index.take() возвращает новый индекс значений, выбранных indices. Список позиций indices указывается согласно фактическому положению элемента в объекте.
Принимаемые аргументы:
indices - массив/список целых чисел, указывающий, из каких позиций требуется извлечь данные. allow_fill=True - смотри описание аргумента fill_value.fill_value=None - если allow_fill=True и fill_value не равно None, то индексы, указанные значением -1, считаются NA . Если индекс не содержит NA, то возникает исключение ValueError .**kwargs - для совместимости с numpy.take(). Не влияет на вывод.Index.take():>>> idx = pd.Index(['a', 'b', 'c']) >>> idx.take([2, 2, 1, 2]) # Index(['c', 'c', 'b', 'c'], dtype='object')
Небольшое замечание о производительности: так как метод
.take()объектовIndex/Series/DataFrameобрабатывает более узкий диапазон входных данных, он может обеспечить производительность, значительно превышающую производительность обычного индексирования.loc[]и.iloc[].
Index, Series и DataFrame предоставляют метод .take(), который извлекает элементы вдоль заданной оси по заданным позиционным индексам. Указанные индексы должны быть либо списком, либо массивом позиций целочисленных индексов. Метод .take() также принимает отрицательные целые числа в качестве позиций относительно конца объекта.
>>> import pandas as pd >>> import numpy as np >>> index = pd.Index(np.random.randint(0, 1000, 10)) >>> index # Index([214, 502, 712, 567, 786, 175, 993, 133, 758, 329], dtype='int64') >>> positions = [0, 9, 3] >>> index[positions] # Index([214, 329, 567], dtype='int64') >>> index.take(positions) # Index([214, 329, 567], dtype='int64') >>> ser = pd.Series(np.random.randn(10)) >>> ser.iloc[positions] # 0 -0.179666 # 9 1.824375 # 3 0.392149 # dtype: float64 >>> ser.take(positions) # 0 -0.179666 # 9 1.824375 # 3 0.392149 # dtype: float64
Для DataFrames данные индексы должны быть списком 1d или numpy.ndarray, который определяет позиции строк или столбцов.
>>> frm = pd.DataFrame(np.random.randn(5, 3)) >>> frm.take([1, 4, 3]) # 0 1 2 # 1 -1.237881 0.106854 -1.276829 # 4 0.629675 -1.425966 1.857704 # 3 0.979542 -1.633678 0.615855 >>> frm.take([0, 2], axis=1) # 0 2 # 0 0.595974 0.601544 # 1 -1.237881 -1.276829 # 2 -0.767101 1.499591 # 3 0.979542 0.615855 # 4 0.629675 1.857704
Важно отметить, что метод .take() объектов pandas НЕ ПРЕДНАЗНАЧЕН для работы с логическими операторами и может возвращать неожиданные результаты.
>>> arr = np.random.randn(10) >>> arr # array([-0.85087687, -0.30374928, -0.38772344, 1.19152042, -0.49715602, # 0.2688488 , -1.03714584, 0.24092975, 0.29487095, 0.20540514]) >>> arr.take([False, False, True, True]) # array([-0.85087687, -0.85087687, -0.30374928, -0.30374928]) # понимаете о чем речь >>> arr[[0, 1]] # array([-0.85087687, -0.30374928]) >>> ser = pd.Series(np.random.randn(10)) >>> ser # 0 -0.293532 # 1 0.147384 # 2 0.080274 # 3 -0.812621 # 4 1.136176 # 5 0.958868 # 6 -0.078712 # 7 0.702776 # 8 0.611545 # 9 -0.358883 # dtype: float64 >>> ser.take([False, False, True, True]) # 0 -0.293532 # 0 -0.293532 # 1 0.147384 # 1 0.147384 # dtype: float64 # тоже самое >>> ser.iloc[[0, 1]] # 0 -0.293532 # 1 0.147384 # dtype: float64