Hoe u rijen in een Pandas-dataframe kunt filteren op basis van kolomwaarden

Rijen filteren in Pandas DataFrames

Pandas is een krachtige bibliotheek in Python voor gegevensmanipulatie en -analyse. Een veel voorkomende taak is het selecteren van rijen uit een DataFrame op basis van kolomwaarden, vergelijkbaar met de SQL-tabel SELECT * FROM WHERE column_name = some_value.

Deze gids begeleidt u bij verschillende methoden om dit in Pandas te bereiken, waardoor u uw gegevens eenvoudig efficiënt kunt filteren. Of u nu een beginner of een ervaren gebruiker bent, deze tips zullen uw vaardigheden op het gebied van gegevensverwerking verbeteren.

DataFrame-rijselectie in Panda's begrijpen

De meegeleverde scripts laten zien hoe u rijen uit een DataFrame selecteert op basis van kolomwaarden met behulp van de Pandas-bibliotheek in Python. Het eerste script begint met het importeren van de Pandas-bibliotheek met de import pandas as pd commando. Vervolgens wordt een voorbeeld-DataFrame gemaakt met behulp van een gegevenswoordenboek, dat wordt geconverteerd naar een DataFrame met de pd.DataFrame(data) commando. Het script illustreert vervolgens twee methoden voor rijselectie: het selecteren van rijen waarbij de kolomwaarde 'Leeftijd' groter is dan 25 met behulp van df[df['Age'] > 25]en het selecteren van rijen waarbij de kolomwaarde 'Stad' 'Chicago' is df[df['City'] == 'Chicago']. Deze gefilterde DataFrames worden afgedrukt met behulp van de print() functie om de geselecteerde rijen weer te geven.

Het tweede script volgt een vergelijkbare structuur, maar gebruikt andere gegevens en selectiecriteria. Er wordt een DataFrame gemaakt met productinformatie, waaronder de kolommen 'Product', 'Prijs' en 'Voorraad'. Er worden rijen geselecteerd waarbij de 'Prijs' kleiner dan of gelijk is aan 200 df[df['Price'] <= 200], en waar de 'Stock' meer dan 40 gebruikt df[df['Stock'] > 40]. Het doel van deze scripts is om te laten zien hoe u DataFrame-rijen kunt filteren op basis van specifieke voorwaarden, vergelijkbaar met hoe u een SQL-query zou gebruiken om rijen uit een tabel te selecteren op basis van een kolomwaarde. Door deze opdrachten te begrijpen en toe te passen, kunt u gegevens in uw DataFrames efficiënt manipuleren en analyseren.

# 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)

Geavanceerde technieken voor het selecteren van dataframerijen in panda's

Naast basisfiltering met behulp van Booleaanse indexering, biedt Pandas geavanceerde technieken voor het selecteren van rijen op basis van kolomwaarden. Een krachtige methode is het gebruik van de query() functie, waarmee u rijen kunt filteren met een query-expressie, waardoor de syntaxis schoner en vaak intuïtiever wordt. In plaats van gebruiken bijvoorbeeld df[df['Age'] > 25], je kan schrijven df.query('Age > 25'). Deze methode is vooral handig bij het omgaan met complexere voorwaarden of wanneer de kolomnamen spaties bevatten. Bovendien is de isin() De functie is handig als u rijen wilt filteren op basis van een lijst met waarden. Als u bijvoorbeeld rijen wilt selecteren waarin de kolomwaarde 'Plaats' 'Chicago' of 'New York' is, kunt u df[df['City'].isin(['Chicago', 'New York'])].

Een andere techniek omvat de loc En iloc indexeerders. De loc indexer is op labels gebaseerd, waardoor u rijen kunt selecteren op basis van rijlabels en kolomnamen iloc is gebaseerd op gehele locaties, waardoor selectie op rij- en kolomnummers mogelijk is. Deze flexibiliteit is vooral handig bij het selecteren van rijen op basis van een voorwaarde die op een andere kolom is toegepast. Bijvoorbeeld, df.loc[df['Age'] > 25, 'Name'] retourneert de namen van personen ouder dan 25 jaar. Deze methoden breiden uw toolkit uit voor het efficiënt verwerken en analyseren van gegevens in Pandas, en bieden beter leesbare en onderhoudbare code.

Laatste gedachten over DataFrame-rijselectietechnieken

Het selecteren van rijen uit een DataFrame op basis van kolomwaarden in Pandas is een cruciale vaardigheid voor gegevensmanipulatie. De verschillende besproken methoden, waaronder booleaanse indexering, query(), isin(), en op labels gebaseerde en op gehele getallen gebaseerde indexering met loc En ilocbieden krachtige tools voor het efficiënt filteren van gegevens. Het beheersen van deze technieken maakt betere data-analyse en schonere, beter onderhoudbare code mogelijk.