Πώς να φιλτράρετε σειρές σε ένα πλαίσιο δεδομένων Pandas με βάση τις τιμές στηλών

Φιλτράρισμα σειρών σε Pandas DataFrames

Το Pandas είναι μια ισχυρή βιβλιοθήκη στην Python για χειρισμό και ανάλυση δεδομένων. Μια συνηθισμένη εργασία είναι η επιλογή γραμμών από ένα DataFrame με βάση τις τιμές στηλών, παρόμοια με τον πίνακα SELECT * FROM της SQL WHERE στήλη_όνομα = some_value.

Αυτός ο οδηγός θα σας καθοδηγήσει σε διάφορες μεθόδους για να το πετύχετε αυτό στα Pandas, διευκολύνοντας το αποτελεσματικό φιλτράρισμα των δεδομένων σας. Είτε είστε αρχάριος είτε έμπειρος χρήστης, αυτές οι συμβουλές θα βελτιώσουν τις δεξιότητές σας στο χειρισμό δεδομένων.

Κατανόηση της επιλογής σειράς DataFrame στα Pandas

Τα σενάρια που παρέχονται δείχνουν πώς να επιλέγετε σειρές από ένα DataFrame με βάση τις τιμές στηλών χρησιμοποιώντας τη βιβλιοθήκη Pandas στην Python. Το πρώτο σενάριο ξεκινάει εισάγοντας τη βιβλιοθήκη Pandas με το import pandas as pd εντολή. Στη συνέχεια δημιουργεί ένα δείγμα DataFrame χρησιμοποιώντας ένα λεξικό δεδομένων, το οποίο μετατρέπεται σε DataFrame με το pd.DataFrame(data) εντολή. Στη συνέχεια, το σενάριο απεικονίζει δύο μεθόδους για την επιλογή σειρών: επιλέγοντας σειρές όπου η τιμή της στήλης «Ηλικία» είναι μεγαλύτερη από 25 χρησιμοποιώντας df[df['Age'] > 25], και επιλέγοντας γραμμές όπου η τιμή της στήλης "Πόλη" είναι "Σικάγο" χρησιμοποιώντας df[df['City'] == 'Chicago']. Αυτά τα φιλτραρισμένα DataFrame εκτυπώνονται χρησιμοποιώντας το print() λειτουργία για εμφάνιση των επιλεγμένων σειρών.

Το δεύτερο σενάριο ακολουθεί παρόμοια δομή, αλλά χρησιμοποιεί διαφορετικά δεδομένα και κριτήρια επιλογής. Δημιουργεί ένα DataFrame με πληροφορίες προϊόντος, συμπεριλαμβανομένων των στηλών «Προϊόν», «Τιμή» και «Απόθεμα». Οι σειρές επιλέγονται όπου η "Τιμή" είναι μικρότερη ή ίση με 200 με df[df['Price'] <= 200], και όπου το 'Stock' χρησιμοποιείται πάνω από 40 df[df['Stock'] > 40]. Ο σκοπός αυτών των σεναρίων είναι να δείξουν πώς να φιλτράρετε σειρές DataFrame με βάση συγκεκριμένες συνθήκες, παρόμοιο με τον τρόπο που θα χρησιμοποιούσατε ένα ερώτημα SQL για να επιλέξετε γραμμές από έναν πίνακα με βάση μια τιμή στήλης. Κατανοώντας και εφαρμόζοντας αυτές τις εντολές, μπορείτε να χειριστείτε και να αναλύσετε αποτελεσματικά τα δεδομένα στα DataFrames σας.

# 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)

Προηγμένες τεχνικές για την επιλογή σειρών DataFrame στα Panda

Εκτός από το βασικό φιλτράρισμα με χρήση δυαδικού ευρετηρίου, το Pandas προσφέρει προηγμένες τεχνικές για την επιλογή γραμμών με βάση τις τιμές στηλών. Μια ισχυρή μέθοδος είναι η χρήση του query() λειτουργία, η οποία σας επιτρέπει να φιλτράρετε σειρές με μια έκφραση ερωτήματος, καθιστώντας τη σύνταξη πιο καθαρή και συχνά πιο διαισθητική. Για παράδειγμα, αντί να χρησιμοποιείτε df[df['Age'] > 25], μπορείς να γράψεις df.query('Age > 25'). Αυτή η μέθοδος είναι ιδιαίτερα χρήσιμη όταν αντιμετωπίζουμε πιο σύνθετες συνθήκες ή όταν τα ονόματα των στηλών περιέχουν κενά. Επιπλέον, το isin() Η λειτουργία είναι ευεργετική όταν θέλετε να φιλτράρετε σειρές με βάση μια λίστα τιμών. Για παράδειγμα, για να επιλέξετε σειρές όπου η τιμή της στήλης "Πόλη" είναι είτε "Σικάγο" ή "Νέα Υόρκη", μπορείτε να χρησιμοποιήσετε df[df['City'].isin(['Chicago', 'New York'])].

Μια άλλη τεχνική περιλαμβάνει το loc και iloc δείκτες. ο loc ο δείκτης βασίζεται σε ετικέτες, επιτρέποντάς σας να επιλέξετε σειρές με βάση τις ετικέτες σειρών και τα ονόματα στηλών, ενώ iloc βασίζεται σε ακέραιο αριθμό, επιτρέποντας την επιλογή με αριθμούς σειρών και στηλών. Αυτή η ευελιξία είναι ιδιαίτερα χρήσιμη για την επιλογή γραμμών με βάση μια συνθήκη που εφαρμόζεται σε διαφορετική στήλη. Για παράδειγμα, df.loc[df['Age'] > 25, 'Name'] θα επιστρέψει τα ονόματα ατόμων ηλικίας άνω των 25 ετών. Αυτές οι μέθοδοι επεκτείνουν την εργαλειοθήκη σας για αποτελεσματικό χειρισμό και ανάλυση δεδομένων στα Panda, προσφέροντας πιο ευανάγνωστο και διατηρήσιμο κώδικα.

Τελικές σκέψεις σχετικά με τις τεχνικές επιλογής γραμμής DataFrame

Η επιλογή γραμμών από ένα DataFrame με βάση τις τιμές στηλών στα Panda είναι μια κρίσιμη δεξιότητα για τον χειρισμό δεδομένων. Οι διάφορες μέθοδοι που συζητήθηκαν, συμπεριλαμβανομένης της δυαδικής ευρετηρίασης, query(), isin(), και ευρετηρίαση βάσει ετικετών και ακέραιων θέσεων με loc και iloc, παρέχουν ισχυρά εργαλεία για αποτελεσματικό φιλτράρισμα δεδομένων. Η κυριαρχία αυτών των τεχνικών επιτρέπει καλύτερη ανάλυση δεδομένων και καθαρότερο, πιο διατηρήσιμο κώδικα.