Capítulo 6.2

Índice

from datascience import *
import numpy as np
path_data = '../../../assets/data/'
np.set_printoptions(threshold=50)

nba_salaries = Table.read_table(path_data + 'nba_salaries.csv')
nba = nba_salaries.relabeled("'15-'16 SALARY", 'SALARY')

Selecionando Linhas

Frequentemente, gostaríamos de extrair apenas aquelas linhas que correspondem a entradas com uma característica específica. Por exemplo, podemos querer apenas as linhas correspondentes aos Warriors, ou aos jogadores que ganharam mais de $10 milhões. Ou podemos querer apenas os cinco principais ganhadores.

Linhas Específicas

O método da Tabela take faz exatamente isso – ele pega um conjunto especificado de linhas. Seu argumento é um índice de linha ou uma matriz de índices, e ele cria uma nova tabela consistindo apenas dessas linhas.

Por exemplo, se quisermos apenas a primeira linha de nba, poderíamos usar take da seguinte forma.

nba

PLAYER	POSITION	TEAM	SALARY
Paul Millsap	PF	Atlanta Hawks	18.6717
Al Horford	C	Atlanta Hawks	12
Tiago Splitter	C	Atlanta Hawks	9.75625
Jeff Teague	PG	Atlanta Hawks	8
Kyle Korver	SG	Atlanta Hawks	5.74648
Thabo Sefolosha	SF	Atlanta Hawks	4
Mike Scott	PF	Atlanta Hawks	3.33333
Kent Bazemore	SF	Atlanta Hawks	2
Dennis Schroder	PG	Atlanta Hawks	1.7634
Tim Hardaway Jr.	SG	Atlanta Hawks	1.30452
… (407 rows omitted)

nba.take(0)

PLAYER	POSITION	TEAM	SALARY
Paul Millsap	PF	Atlanta Hawks	18.6717

Esta é uma nova tabela com apenas a única linha que especificamos.

Também poderíamos obter a quarta, quinta e sexta linhas especificando um intervalo de índices como argumento.

nba.take(np.arange(3, 6))

PLAYER	POSITION	TEAM	SALARY
Jeff Teague	PG	Atlanta Hawks	8
Kyle Korver	SG	Atlanta Hawks	5.74648
Thabo Sefolosha	SF	Atlanta Hawks	4

Se quisermos uma tabela dos 5 jogadores mais bem pagos, podemos primeiro ordenar a lista por salário e depois take as primeiras cinco linhas:

nba.sort('SALARY', descending=True).take(np.arange(5))

PLAYER	POSITION	TEAM	SALARY
Kobe Bryant	SF	Los Angeles Lakers	25
Joe Johnson	SF	Brooklyn Nets	24.8949
LeBron James	SF	Cleveland Cavaliers	22.9705
Carmelo Anthony	SF	New York Knicks	22.875
Dwight Howard	C	Houston Rockets	22.3594

Linhas Correspondentes a uma Característica Específica

Com mais frequência, queremos acessar dados em um conjunto de linhas que possuem uma determinada característica, mas cujos índices não conhecemos antecipadamente. Por exemplo, podemos querer dados sobre todos os jogadores que ganharam mais de $10 milhões, mas não queremos gastar tempo contando as linhas na tabela classificada.

O método where faz o trabalho para nós. Sua saída é uma tabela com as mesmas colunas que o original, mas apenas as linhas onde a característica ocorre.

O primeiro argumento de where é o rótulo da coluna que contém as informações sobre se uma linha tem ou não a característica que queremos. Se a característica for “ganhou mais de $10 milhões”, a coluna é SALARY.

O segundo argumento de where é uma maneira de especificar a característica. Alguns exemplos tornarão mais fácil entender o método geral de especificação.

No primeiro exemplo, extraímos os dados de todos aqueles que ganharam mais de $10 milhões.

nba.where('SALARY', are.above(10))

PLAYER	POSITION	TEAM	SALARY
Paul Millsap	PF	Atlanta Hawks	18.6717
Al Horford	C	Atlanta Hawks	12
Joe Johnson	SF	Brooklyn Nets	24.8949
Thaddeus Young	PF	Brooklyn Nets	11.236
Al Jefferson	C	Charlotte Hornets	13.5
Nicolas Batum	SG	Charlotte Hornets	13.1253
Kemba Walker	PG	Charlotte Hornets	12
Derrick Rose	PG	Chicago Bulls	20.0931
Jimmy Butler	SG	Chicago Bulls	16.4075
Joakim Noah	C	Chicago Bulls	13.4
… (59 rows omitted)

O uso do argumento are.above(10) garantiu que cada linha selecionada tivesse um valor de SALARY maior que 10.

Existem 69 linhas na nova tabela, correspondentes aos 69 jogadores que ganharam mais de $10 milhões de dólares. Organizar essas linhas em ordem torna os dados mais fáceis de analisar. DeMar DeRozan do Toronto Raptors foi o “mais pobre” deste grupo, com um salário um pouco superior a $10 milhões de dólares.

nba.where('SALARY', are.above(10)).sort('SALARY')

PLAYER	POSITION	TEAM	SALARY
DeMar DeRozan	SG	Toronto Raptors	10.05
Gerald Wallace	SF	Philadelphia 76ers	10.1059
Luol Deng	SF	Miami Heat	10.1516
Monta Ellis	SG	Indiana Pacers	10.3
Wilson Chandler	SF	Denver Nuggets	10.4494
Brendan Haywood	C	Cleveland Cavaliers	10.5225
Jrue Holiday	PG	New Orleans Pelicans	10.5955
Tyreke Evans	SG	New Orleans Pelicans	10.7346
Marcin Gortat	C	Washington Wizards	11.2174
Thaddeus Young	PF	Brooklyn Nets	11.236
… (59 rows omitted)

Quanto ganhou Stephen Curry? Para responder, temos que acessar a linha onde o valor de PLAYER é igual a Stephen Curry. É colocada uma tabela composta por apenas uma linha:

nba.where('PLAYER', are.equal_to('Stephen Curry'))

PLAYER	POSITION	TEAM	SALARY
Stephen Curry	PG	Golden State Warriors	11.3708

Curry ganhou pouco menos de $11.4 milhões de dólares. Isso é muito dinheiro, mas é menos da metade do salário de LeBron James. Você encontrará esse salário na tabela “Top 5” mais cedo nesta seção, ou poderia encontrá-lo substituindo 'Stephen Curry' por 'LeBron James' na linha de código acima.

No código, are é usado novamente, mas desta vez com o predicado equal_to em vez de above. Assim, por exemplo, você pode obter uma tabela de todos os Warriors:

nba.where('TEAM', are.equal_to('Golden State Warriors')).show()

PLAYER	POSITION	TEAM	SALARY
Klay Thompson	SG	Golden State Warriors	15.501
Draymond Green	PF	Golden State Warriors	14.2609
Andrew Bogut	C	Golden State Warriors	13.8
Andre Iguodala	SF	Golden State Warriors	11.7105
Stephen Curry	PG	Golden State Warriors	11.3708
Jason Thompson	PF	Golden State Warriors	7.00847
Shaun Livingston	PG	Golden State Warriors	5.54373
Harrison Barnes	SF	Golden State Warriors	3.8734
Marreese Speights	C	Golden State Warriors	3.815
Leandro Barbosa	SG	Golden State Warriors	2.5
Festus Ezeli	C	Golden State Warriors	2.00875
Brandon Rush	SF	Golden State Warriors	1.27096
Kevon Looney	SF	Golden State Warriors	1.13196
Anderson Varejao	PF	Golden State Warriors	0.289755

Essa parte da tabela já está ordenada por salário, porque a tabela original listava os jogadores ordenados por salário dentro do mesmo time. O .show() no final da linha garante que todas as linhas sejam mostradas, não apenas as primeiras 10.

É tão comum solicitar as linhas para as quais alguma coluna é igual a algum valor que a chamada are.equal_to é opcional. Em vez disso, o método where pode ser chamado apenas com o nome de uma coluna e um valor para alcançar o mesmo efeito.

nba.where('TEAM', 'Denver Nuggets') # equivalent to nba.where('TEAM', are.equal_to('Denver Nuggets'))

PLAYER	POSITION	TEAM	SALARY
Danilo Gallinari	SF	Denver Nuggets	14
Kenneth Faried	PF	Denver Nuggets	11.236
Wilson Chandler	SF	Denver Nuggets	10.4494
JJ Hickson	C	Denver Nuggets	5.6135
Jameer Nelson	PG	Denver Nuggets	4.345
Will Barton	SF	Denver Nuggets	3.53333
Emmanuel Mudiay	PG	Denver Nuggets	3.10224
Darrell Arthur	PF	Denver Nuggets	2.814
Jusuf Nurkic	C	Denver Nuggets	1.842
Joffrey Lauvergne	C	Denver Nuggets	1.70972
… (4 rows omitted)

Múltiplas Características

Você pode acessar linhas que têm várias características especificadas, usando o where repetidamente. Por exemplo, aqui está uma maneira de extrair todos os Armadores cujos salários eram superiores a $15 milhões de dólares.

nba.where('POSITION', 'PG').where('SALARY', are.above(15))

PLAYER	POSITION	TEAM	SALARY
Derrick Rose	PG	Chicago Bulls	20.0931
Kyrie Irving	PG	Cleveland Cavaliers	16.4075
Chris Paul	PG	Los Angeles Clippers	21.4687
Russell Westbrook	PG	Oklahoma City Thunder	16.7442
John Wall	PG	Washington Wizards	15.852

Forma Geral

Neste ponto, você já percebeu que a maneira geral de criar uma nova tabela selecionando linhas com uma determinada característica é usar where e are com a condição apropriada:

original_table_name.where(column_label_string, are.condition)

nba.where('SALARY', are.between(10, 10.3))

PLAYER	POSITION	TEAM	SALARY
Luol Deng	SF	Miami Heat	10.1516
Gerald Wallace	SF	Philadelphia 76ers	10.1059
Danny Green	SG	San Antonio Spurs	10
DeMar DeRozan	SG	Toronto Raptors	10.05

Observe que a tabela acima inclui Danny Green, que ganhou $10 milhões, mas não Monta Ellis, que ganhou $10.3 milhões. Como em outras partes do Python, o intervalo between inclui o extremo esquerdo, mas não o direito.

Se especificarmos uma condição que não seja satisfeita por nenhuma linha, obteremos uma tabela com rótulos de coluna, mas sem linhas.

nba.where('PLAYER', are.equal_to('Barack Obama'))

PLAYER	POSITION	TEAM	SALARY

Algumas Condições Adicionais

Aqui estão alguns predicados de are que você pode achar úteis. Observe que x e y são números, STRING é uma string e Z é ou um número ou uma string; você deve especificar isso dependendo da característica que você deseja.

Predicado	Descrição
`are.equal_to(Z)`	Igual a `Z`
`are.above(x)`	Maior que `x`
`are.above_or_equal_to(x)`	Maior que ou igual a `x`
`are.below(x)`	Menor que `x`
`are.below_or_equal_to(x)`	Menor que ou igual a `x`
`are.between(x, y)`	Maior que ou igual a `x`, e menor que `y`
`are.strictly_between(x, y)`	Maior que `x` e menor que `y`
`are.between_or_equal_to(x, y)`	Maior que ou igual a `x`, e menor que ou igual a `y`
`are.containing(S)`	Contém a string `S`

Você também pode especificar a negação de qualquer uma dessas condições, usando .not_ antes da condição:

Predicado	Descrição
`are.not_equal_to(Z)`	Não igual a `Z`
`are.not_above(x)`	Não acima de `x`

… e assim por diante. As regras habituais da lógica se aplicam – por exemplo, “não acima de x” é o mesmo que “abaixo ou igual a x”.

Encerramos a seção com uma série de exemplos.

O uso de are.containing pode ajudar a economizar digitação. Por exemplo, você pode simplesmente especificar Warriors em vez de Golden State Warriors:

nba.where('TEAM', are.containing('Warriors')).show()

PLAYER	POSITION	TEAM	SALARY
Klay Thompson	SG	Golden State Warriors	15.501
Draymond Green	PF	Golden State Warriors	14.2609
Andrew Bogut	C	Golden State Warriors	13.8
Andre Iguodala	SF	Golden State Warriors	11.7105
Stephen Curry	PG	Golden State Warriors	11.3708
Jason Thompson	PF	Golden State Warriors	7.00847
Shaun Livingston	PG	Golden State Warriors	5.54373
Harrison Barnes	SF	Golden State Warriors	3.8734
Marreese Speights	C	Golden State Warriors	3.815
Leandro Barbosa	SG	Golden State Warriors	2.5
Festus Ezeli	C	Golden State Warriors	2.00875
Brandon Rush	SF	Golden State Warriors	1.27096
Kevon Looney	SF	Golden State Warriors	1.13196
Anderson Varejao	PF	Golden State Warriors	0.289755

Você pode extrair dados de todos os guardas, tanto guardas de ponta quanto guardas de tiro:

nba.where('POSITION', are.containing('G'))

PLAYER	POSITION	TEAM	SALARY
Jeff Teague	PG	Atlanta Hawks	8
Kyle Korver	SG	Atlanta Hawks	5.74648
Dennis Schroder	PG	Atlanta Hawks	1.7634
Tim Hardaway Jr.	SG	Atlanta Hawks	1.30452
Jason Richardson	SG	Atlanta Hawks	0.947276
Lamar Patterson	SG	Atlanta Hawks	0.525093
Terran Petteway	SG	Atlanta Hawks	0.525093
Avery Bradley	PG	Boston Celtics	7.73034
Isaiah Thomas	PG	Boston Celtics	6.91287
Marcus Smart	PG	Boston Celtics	3.43104
… (171 rows omitted)

Você pode pegar todos os jogadores que não eram Cleveland Cavaliers e tinham um salário não inferior a $20 milhões:

other_than_Cavs = nba.where('TEAM', are.not_equal_to('Cleveland Cavaliers'))
other_than_Cavs.where('SALARY', are.not_below(20))

PLAYER	POSITION	TEAM	SALARY
Joe Johnson	SF	Brooklyn Nets	24.8949
Derrick Rose	PG	Chicago Bulls	20.0931
Dwight Howard	C	Houston Rockets	22.3594
Chris Paul	PG	Los Angeles Clippers	21.4687
Kobe Bryant	SF	Los Angeles Lakers	25
Chris Bosh	PF	Miami Heat	22.1927
Dwyane Wade	SG	Miami Heat	20
Carmelo Anthony	SF	New York Knicks	22.875
Kevin Durant	SF	Oklahoma City Thunder	20.1586

A mesma tabela pode ser criada de várias maneiras. Aqui está outra, e sem dúvida você pode pensar em mais.

other_than_Cavs.where('SALARY', are.above_or_equal_to(20))

PLAYER	POSITION	TEAM	SALARY
Joe Johnson	SF	Brooklyn Nets	24.8949
Derrick Rose	PG	Chicago Bulls	20.0931
Dwight Howard	C	Houston Rockets	22.3594
Chris Paul	PG	Los Angeles Clippers	21.4687
Kobe Bryant	SF	Los Angeles Lakers	25
Chris Bosh	PF	Miami Heat	22.1927
Dwyane Wade	SG	Miami Heat	20
Carmelo Anthony	SF	New York Knicks	22.875
Kevin Durant	SF	Oklahoma City Thunder	20.1586

Como você pode ver, o uso de where com are lhe dá grande flexibilidade para acessar linhas com recursos que lhe interessam. Não hesite em experimentar!

← Capítulo 6.1 – Ordenando Linhas

Capítulo 6.3 – Exemplo: Tendências Populacionais →