Jak filtrovat řádky v datovém rámci Pandas na základě hodnot sloupců

Filtrování řádků v Pandas DataFrames

Pandas je výkonná knihovna v Pythonu pro manipulaci a analýzu dat. Běžným úkolem je výběr řádků z DataFrame na základě hodnot sloupců, podobně jako SQL tabulka SELECT * FROM WHERE název_sloupce = nějaká_hodnota.

Tato příručka vás provede různými metodami, jak toho v Pandas dosáhnout, což usnadní efektivní filtrování dat. Ať už jste začátečník nebo zkušený uživatel, tyto tipy rozšíří vaše dovednosti v oblasti zpracování dat.

Porozumění výběru řádků DataFrame v Pandas

Poskytnuté skripty ukazují, jak vybrat řádky z DataFrame na základě hodnot sloupců pomocí knihovny Pandas v Pythonu. První skript začíná importem knihovny Pandas s import pandas as pd příkaz. Poté vytvoří ukázkový DataFrame pomocí slovníku dat, který se převede na DataFrame s pd.DataFrame(data) příkaz. Skript pak ilustruje dvě metody výběru řádků: výběr řádků, kde je hodnota sloupce 'Věk' větší než 25 pomocí df[df['Age'] > 25]a výběrem řádků, kde je ve sloupci 'City' hodnota 'Chicago' pomocí df[df['City'] == 'Chicago']. Tyto filtrované DataFrames se tisknou pomocí print() funkce pro zobrazení vybraných řádků.

Druhý skript má podobnou strukturu, ale používá jiná data a kritéria výběru. Vytvoří DataFrame s informacemi o produktu, včetně sloupců 'Produkt', 'Cena' a 'Stock'. Vybírají se řádky, kde je 'Cena' menší nebo rovna 200 s df[df['Price'] <= 200]a kde 'Stock' je více než 40 použití df[df['Stock'] > 40]. Účelem těchto skriptů je ukázat, jak filtrovat řádky DataFrame na základě konkrétních podmínek, podobně jako byste použili dotaz SQL k výběru řádků z tabulky na základě hodnoty sloupce. Pochopením a použitím těchto příkazů můžete efektivně manipulovat a analyzovat data ve vašich DataFrames.

# Importing the necessary library
import pandas as pd

# Creating a sample DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix']
}
df = pd.DataFrame(data)

# Selecting rows where Age is greater than 25
selected_rows = df[df['Age'] > 25]
print(selected_rows)

# Selecting rows where City is 'Chicago'
chicago_rows = df[df['City'] == 'Chicago']
print(chicago_rows)

# Importing pandas library
import pandas as pd

# Creating a sample DataFrame
data = {'Product': ['A', 'B', 'C', 'D', 'E'],
        'Price': [100, 150, 200, 250, 300],
        'Stock': [30, 60, 90, 20, 50]}
df = pd.DataFrame(data)

# Selecting rows where Price is less than or equal to 200
affordable_products = df[df['Price'] <= 200]
print(affordable_products)

# Selecting rows where Stock is more than 40
in_stock = df[df['Stock'] > 40]
print(in_stock)

Pokročilé techniky pro výběr řádků DataFrame v Pandas

Kromě základního filtrování pomocí booleovského indexování nabízí Pandas pokročilé techniky pro výběr řádků na základě hodnot sloupců. Jednou mocnou metodou je použití query() funkce, která umožňuje filtrovat řádky pomocí výrazu dotazu, díky čemuž je syntaxe čistší a často intuitivnější. Například místo použití df[df['Age'] > 25], můžeš psát df.query('Age > 25'). Tato metoda je užitečná zejména při řešení složitějších podmínek nebo když názvy sloupců obsahují mezery. Kromě toho, isin() Funkce je užitečná, když chcete filtrovat řádky na základě seznamu hodnot. Chcete-li například vybrat řádky, kde je hodnota sloupce 'City' buď 'Chicago' nebo 'New York', můžete použít df[df['City'].isin(['Chicago', 'New York'])].

Další technika zahrnuje loc a iloc indexátory. The loc indexer je založen na štítcích a umožňuje vám vybrat řádky na základě štítků řádků a názvů sloupců iloc je založen na celočíselných umístěních a umožňuje výběr podle čísel řádků a sloupců. Tato flexibilita je užitečná zejména pro výběr řádků na základě podmínky aplikované na jiný sloupec. Například, df.loc[df['Age'] > 25, 'Name'] vrátí jména osob starších 25 let. Tyto metody rozšiřují vaši sadu nástrojů pro efektivní manipulaci a analýzu dat v Pandas a nabízejí čitelnější a udržitelnější kód.

Závěrečné úvahy o technikách výběru řádků DataFrame

Výběr řádků z DataFrame na základě hodnot sloupců v Pandas je zásadní dovedností pro manipulaci s daty. Různé diskutované metody, včetně booleovského indexování, query(), isin()a indexování na základě štítků a celočíselných umístění pomocí loc a ilocposkytují výkonné nástroje pro efektivní filtrování dat. Zvládnutí těchto technik umožňuje lepší analýzu dat a čistší a lépe udržovatelný kód.