Фильтрация строк в кадрах данных Pandas
Pandas — мощная библиотека Python для манипулирования и анализа данных. Распространенной задачей является выбор строк из DataFrame на основе значений столбца, аналогично SQL-заданию SELECT * FROM table WHERE имя_столбца = некоторое_значение.
В этом руководстве вы познакомитесь с различными методами достижения этой цели в Pandas, что упростит эффективную фильтрацию ваших данных. Независимо от того, являетесь ли вы новичком или опытным пользователем, эти советы улучшат ваши навыки обработки данных.
| Команда | Описание |
|---|---|
| pd.DataFrame(data) | Создает DataFrame из словаря данных. |
| df[column_name] | Получает доступ к столбцу в DataFrame по имени. |
| df[condition] | Фильтрует DataFrame на основе условия, примененного к столбцу. |
| print(selected_rows) | Выводит DataFrame или его подмножество на консоль. |
| df[df['Age'] >df[df['Age'] > 25] | Выбирает строки, в которых значения столбца «Возраст» больше 25. |
| df[df['City'] == 'Chicago'] | Выбирает строки, в которых значения столбца «Город» равны «Чикаго». |
Понимание выбора строки DataFrame в Pandas
Предоставленные сценарии демонстрируют, как выбирать строки из DataFrame на основе значений столбца с использованием библиотеки Pandas на Python. Первый скрипт начинается с импорта библиотеки Pandas с помощью команда. Затем он создает образец DataFrame, используя словарь данных, который преобразуется в DataFrame с помощью команда. Затем сценарий иллюстрирует два метода выбора строк: выбор строк, в которых значение столбца «Возраст» больше 25, с помощью и выберите строки, в которых значение столбца «Город» — «Чикаго», с помощью df[df['City'] == 'Chicago']. Эти отфильтрованные кадры данных печатаются с использованием функция для отображения выбранных строк.
Второй сценарий имеет аналогичную структуру, но использует другие данные и критерии выбора. Он создает DataFrame с информацией о продукте, включая столбцы «Продукт», «Цена» и «Запас». Выбираются строки, в которых «Цена» меньше или равна 200 с
Расширенные методы выбора строк DataFrame в Pandas
Помимо базовой фильтрации с использованием логического индексирования, Pandas предлагает расширенные методы выбора строк на основе значений столбца. Одним из мощных методов является использование функция, которая позволяет фильтровать строки с помощью выражения запроса, делая синтаксис более чистым и зачастую более интуитивным. Например, вместо использования , ты можешь написать . Этот метод особенно полезен при работе с более сложными условиями или когда имена столбцов содержат пробелы. Кроме того, isin() Функция полезна, если вы хотите фильтровать строки на основе списка значений. Например, чтобы выбрать строки, в которых значение столбца «Город» равно «Чикаго» или «Нью-Йорк», вы можете использовать .
Другая техника предполагает и индексаторы. Индексатор основан на метках и позволяет выбирать строки на основе меток строк и имен столбцов, а iloc основан на целочисленном местоположении, что позволяет выбирать по номерам строк и столбцов. Эта гибкость особенно полезна для выбора строк на основе условия, примененного к другому столбцу. Например, вернет имена людей старше 25 лет. Эти методы расширяют ваш набор инструментов для эффективной обработки и анализа данных в Pandas, предлагая более читаемый и удобный в сопровождении код.
- Как я могу выбрать строки на основе нескольких условий?
- Вы можете использовать функционируйте или комбинируйте условия с логическими операторами, такими как и . Например, df[(df['Age'] > 25) & (df['City'] == 'Chicago')].
- Могу ли я фильтровать строки на основе списка значений?
- Да, используйте функция. Например, .
- В чем разница между и ?
- основан на метках, в то время как основан на целочисленном местоположении. Использовать с метками строк/столбцов и iloc с индексами строк/столбцов.
- Как я могу выбрать определенные столбцы при фильтрации строк?
- Вы можете использовать . Например, .
- Как обрабатывать пропущенные значения при выборе строк?
- Использовать функция для удаления строк с пропущенными значениями или чтобы заменить их указанным значением.
- Могу ли я использовать регулярные выражения для фильтрации строк?
- Да, функционировать с Параметр позволяет фильтровать строки на основе шаблонов регулярных выражений. Например, .
- Как фильтровать строки по индексу?
- Вы можете использовать с именем индекса. Например, .
- Что делать, если имена моих столбцов содержат пробелы или специальные символы?
- Использовать функция, которая может обрабатывать такие имена столбцов с обратными кавычками. Например, .
Заключительные мысли о методах выбора строк DataFrame
Выбор строк из DataFrame на основе значений столбцов в Pandas — важнейший навык манипулирования данными. Обсуждались различные методы, включая логическое индексирование, , , а также индексирование на основе меток и целых чисел с помощью и iloc, предоставляют мощные инструменты для эффективной фильтрации данных. Овладение этими методами позволяет лучше анализировать данные и создавать более чистый и удобный в сопровождении код.