Comment filtrer les lignes dans un DataFrame Pandas en fonction des valeurs de colonne

Filtrage des lignes dans les DataFrames Pandas

Pandas est une puissante bibliothèque en Python pour la manipulation et l'analyse de données. Une tâche courante consiste à sélectionner des lignes d'un DataFrame en fonction des valeurs de colonne, similaire à la table SELECT * FROM de SQL WHERE column_name = some_value.

Ce guide vous guidera à travers différentes méthodes pour y parvenir dans Pandas, facilitant ainsi le filtrage efficace de vos données. Que vous soyez débutant ou utilisateur expérimenté, ces conseils amélioreront vos compétences en matière de traitement des données.

Comprendre la sélection de lignes DataFrame dans Pandas

Les scripts fournis montrent comment sélectionner des lignes d'un DataFrame en fonction des valeurs de colonne à l'aide de la bibliothèque Pandas en Python. Le premier script commence par importer la bibliothèque Pandas avec le import pandas as pd commande. Il crée ensuite un exemple de DataFrame à l'aide d'un dictionnaire de données, qui est converti en DataFrame avec le pd.DataFrame(data) commande. Le script illustre ensuite deux méthodes de sélection de lignes : sélectionner les lignes dont la valeur de la colonne "Âge" est supérieure à 25 à l'aide de df[df['Age'] > 25], et en sélectionnant les lignes où la valeur de la colonne « Ville » est « Chicago » à l'aide de df[df['City'] == 'Chicago']. Ces DataFrames filtrés sont imprimés à l'aide du print() fonction pour afficher les lignes sélectionnées.

Le deuxième script suit une structure similaire mais utilise des données et des critères de sélection différents. Il crée un DataFrame avec des informations sur le produit, notamment les colonnes « Produit », « Prix » et « Stock ». Les lignes sont sélectionnées où le « Prix » est inférieur ou égal à 200 avec df[df['Price'] <= 200], et où le « Stock » est supérieur à 40 en utilisant df[df['Stock'] > 40]. Le but de ces scripts est de montrer comment filtrer les lignes DataFrame en fonction de conditions spécifiques, de la même manière que vous utiliseriez une requête SQL pour sélectionner des lignes dans une table en fonction d'une valeur de colonne. En comprenant et en appliquant ces commandes, vous pouvez manipuler et analyser efficacement les données de vos 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)

Techniques avancées pour sélectionner des lignes DataFrame dans Pandas

Outre le filtrage de base utilisant l'indexation booléenne, Pandas propose des techniques avancées pour sélectionner des lignes en fonction des valeurs des colonnes. Une méthode puissante consiste à utiliser le query() fonction, qui vous permet de filtrer les lignes avec une expression de requête, rendant la syntaxe plus propre et souvent plus intuitive. Par exemple, au lieu d'utiliser df[df['Age'] > 25], tu peux écrire df.query('Age > 25'). Cette méthode est particulièrement utile lorsqu'il s'agit de conditions plus complexes ou lorsque les noms de colonnes contiennent des espaces. De plus, le dix La fonction est utile lorsque vous souhaitez filtrer les lignes en fonction d'une liste de valeurs. Par exemple, pour sélectionner des lignes dans lesquelles la valeur de la colonne « Ville » est « Chicago » ou « New York », vous pouvez utiliser df[df['City'].isin(['Chicago', 'New York'])].

Une autre technique consiste à loc et iloc indexeurs. Le loc L'indexeur est basé sur des étiquettes, vous permettant de sélectionner des lignes en fonction des étiquettes de lignes et des noms de colonnes, tandis que iloc est basé sur un emplacement entier, permettant la sélection par numéros de ligne et de colonne. Cette flexibilité est particulièrement utile pour sélectionner des lignes en fonction d'une condition appliquée à une autre colonne. Par exemple, df.loc[df['Age'] > 25, 'Name'] renverra les noms des personnes âgées de plus de 25 ans. Ces méthodes élargissent votre boîte à outils pour gérer et analyser efficacement les données dans Pandas, offrant un code plus lisible et maintenable.

Réflexions finales sur les techniques de sélection de lignes DataFrame

La sélection de lignes d'un DataFrame en fonction des valeurs de colonne dans Pandas est une compétence cruciale pour la manipulation des données. Les différentes méthodes discutées, dont l'indexation booléenne, query(), dix, et une indexation basée sur les étiquettes et l'emplacement des entiers avec loc et iloc, fournissent des outils puissants pour filtrer efficacement les données. La maîtrise de ces techniques permet une meilleure analyse des données et un code plus propre et plus maintenable.