Cómo filtrar filas en un marco de datos de Pandas según los valores de las columnas

Filtrado de filas en Pandas DataFrames

Pandas es una poderosa biblioteca en Python para manipulación y análisis de datos. Una tarea común es seleccionar filas de un DataFrame en función de los valores de las columnas, similar a SELECT * FROM table WHERE column_name = some_value de SQL.

Esta guía lo guiará a través de varios métodos para lograr esto en Pandas, facilitando el filtrado de sus datos de manera eficiente. Ya sea usted un principiante o un usuario experimentado, estos consejos mejorarán sus habilidades de manejo de datos.

Comprender la selección de filas del marco de datos en Pandas

Los scripts proporcionados demuestran cómo seleccionar filas de un DataFrame en función de los valores de las columnas utilizando la biblioteca Pandas en Python. El primer script comienza importando la biblioteca Pandas con el import pandas as pd dominio. Luego crea un DataFrame de muestra usando un diccionario de datos, que se convierte en un DataFrame con el pd.DataFrame(data) dominio. Luego, el script ilustra dos métodos para la selección de filas: seleccionar filas donde el valor de la columna 'Edad' es mayor que 25 usando df[df['Age'] > 25]y seleccionando filas donde el valor de la columna 'Ciudad' es 'Chicago' usando df[df['City'] == 'Chicago']. Estos DataFrames filtrados se imprimen usando el print() función para mostrar las filas seleccionadas.

El segundo guión sigue una estructura similar pero utiliza datos y criterios de selección diferentes. Crea un DataFrame con información del producto, incluidas las columnas "Producto", "Precio" y "Stock". Se seleccionan filas donde el 'Precio' es menor o igual a 200 con df[df['Price'] <= 200], y donde el 'Stock' es más de 40 usando df[df['Stock'] > 40]. El propósito de estos scripts es mostrar cómo filtrar filas de DataFrame según condiciones específicas, de manera similar a cómo usaría una consulta SQL para seleccionar filas de una tabla según el valor de una columna. Al comprender y aplicar estos comandos, puede manipular y analizar datos de manera eficiente en sus 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)

Técnicas avanzadas para seleccionar filas de marcos de datos en Pandas

Además del filtrado básico mediante indexación booleana, Pandas ofrece técnicas avanzadas para seleccionar filas en función de los valores de las columnas. Un método poderoso es usar el query() función, que le permite filtrar filas con una expresión de consulta, lo que hace que la sintaxis sea más limpia y, a menudo, más intuitiva. Por ejemplo, en lugar de utilizar df[df['Age'] > 25], puedes escribir df.query('Age > 25'). Este método es particularmente útil cuando se trata de condiciones más complejas o cuando los nombres de las columnas contienen espacios. Además, el isin() La función es beneficiosa cuando desea filtrar filas según una lista de valores. Por ejemplo, para seleccionar filas donde el valor de la columna 'Ciudad' es 'Chicago' o 'Nueva York', puede usar df[df['City'].isin(['Chicago', 'New York'])].

Otra técnica implica la loc y iloc indexadores. El loc El indexador se basa en etiquetas, lo que le permite seleccionar filas según las etiquetas de las filas y los nombres de las columnas, mientras que iloc se basa en la ubicación de números enteros, lo que permite la selección por números de fila y columna. Esta flexibilidad es particularmente útil para seleccionar filas en función de una condición aplicada a una columna diferente. Por ejemplo, dieciséis devolverá los nombres de personas mayores de 25 años. Estos métodos amplían su conjunto de herramientas para manejar y analizar datos de manera eficiente en Pandas, ofreciendo código más legible y fácil de mantener.

Reflexiones finales sobre las técnicas de selección de filas de DataFrame

Seleccionar filas de un DataFrame en función de los valores de las columnas en Pandas es una habilidad crucial para la manipulación de datos. Los diversos métodos discutidos, incluida la indexación booleana, query(), isin()e indexación basada en etiquetas y en ubicaciones enteras con loc y iloc, proporcionan poderosas herramientas para filtrar datos de manera eficiente. El dominio de estas técnicas permite un mejor análisis de datos y un código más limpio y fácil de mantener.