Come filtrare le righe in un DataFrame Pandas in base ai valori delle colonne

Filtraggio delle righe nei dataframe Pandas

Pandas è una potente libreria in Python per la manipolazione e l'analisi dei dati. Un'attività comune è selezionare le righe da un DataFrame in base ai valori delle colonne, simile alla tabella SELECT * FROM di SQL WHERE nome_colonna = valore_alcuno.

Questa guida ti guiderà attraverso vari metodi per raggiungere questo obiettivo in Panda, semplificando il filtraggio dei dati in modo efficiente. Che tu sia un principiante o un utente esperto, questi suggerimenti miglioreranno le tue capacità di gestione dei dati.

Comprensione della selezione della riga DataFrame in Panda

Gli script forniti dimostrano come selezionare righe da un DataFrame in base ai valori delle colonne utilizzando la libreria Pandas in Python. Il primo script inizia importando la libreria Pandas con il file import pandas as pd comando. Quindi crea un DataFrame di esempio utilizzando un dizionario di dati, che viene convertito in un DataFrame con il file pd.DataFrame(data) comando. Lo script illustra quindi due metodi per la selezione delle righe: selezionando le righe in cui il valore della colonna "Età" è maggiore di 25 utilizzando df[df['Age'] > 25]e selezionando le righe in cui il valore della colonna "Città" è "Chicago" utilizzando df[df['City'] == 'Chicago']. Questi DataFrames filtrati vengono stampati utilizzando il file print() funzione per visualizzare le righe selezionate.

Il secondo script segue una struttura simile ma utilizza dati e criteri di selezione diversi. Crea un DataFrame con informazioni sul prodotto, incluse le colonne "Prodotto", "Prezzo" e "Stock". Le righe vengono selezionate in cui il "Prezzo" è inferiore o uguale a 200 con df[df['Price'] <= 200]e dove lo "Stock" è superiore a 40 in uso df[df['Stock'] > 40]. Lo scopo di questi script è mostrare come filtrare le righe DataFrame in base a condizioni specifiche, in modo simile a come utilizzeresti una query SQL per selezionare righe da una tabella in base al valore di una colonna. Comprendendo e applicando questi comandi, puoi manipolare e analizzare in modo efficiente i dati nei tuoi 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)

Tecniche avanzate per la selezione di righe DataFrame in Panda

Oltre al filtraggio di base utilizzando l'indicizzazione booleana, Pandas offre tecniche avanzate per selezionare le righe in base ai valori delle colonne. Un metodo potente è utilizzare il file query() funzione, che permette di filtrare le righe con un'espressione di query, rendendo la sintassi più pulita e spesso più intuitiva. Ad esempio, invece di utilizzare df[df['Age'] > 25], tu puoi scrivere df.query('Age > 25'). Questo metodo è particolarmente utile quando si gestiscono condizioni più complesse o quando i nomi delle colonne contengono spazi. Inoltre, il isin() La funzione è utile quando si desidera filtrare le righe in base a un elenco di valori. Ad esempio, per selezionare le righe in cui il valore della colonna "Città" è "Chicago" o "New York", puoi utilizzare df[df['City'].isin(['Chicago', 'New York'])].

Un'altra tecnica prevede il loc E iloc indicizzatori. IL loc l'indicizzatore è basato su etichette e consente di selezionare le righe in base alle etichette delle righe e ai nomi delle colonne, mentre iloc è basato sulla posizione dei numeri interi e consente la selezione in base ai numeri di riga e colonna. Questa flessibilità è particolarmente utile per selezionare le righe in base a una condizione applicata a una colonna diversa. Ad esempio, df.loc[df['Age'] > 25, 'Name'] restituirà i nomi delle persone di età superiore a 25 anni. Questi metodi espandono il tuo kit di strumenti per gestire e analizzare in modo efficiente i dati in Panda, offrendo un codice più leggibile e gestibile.

Considerazioni finali sulle tecniche di selezione delle righe DataFrame

La selezione di righe da un DataFrame in base ai valori delle colonne in Panda è un'abilità cruciale per la manipolazione dei dati. I vari metodi discussi, inclusa l'indicizzazione booleana, query(), isin()e indicizzazione basata sull'etichetta e sulla posizione intera con loc E iloc, forniscono strumenti potenti per filtrare i dati in modo efficiente. La padronanza di queste tecniche consente una migliore analisi dei dati e un codice più pulito e facilmente gestibile.