Selecionando linhas do DataFrame com base nos valores das colunas em Python

Usando Pandas para filtrar DataFrames por valores de coluna

Ao trabalhar com dados em Python, a biblioteca Pandas oferece ferramentas poderosas para manipulação e análise de dados. Uma tarefa comum é selecionar linhas de um DataFrame com base nos valores de uma coluna específica. Esta operação é semelhante à consulta SQL: SELECT * FROM table WHERE column_name = some_value.

Neste artigo, exploraremos como conseguir isso no Pandas usando vários métodos. Esteja você filtrando por um único valor ou por vários critérios, o Pandas oferece maneiras intuitivas e eficientes de lidar com essas operações. Vamos mergulhar nos detalhes.

Implementando a seleção de linhas do DataFrame no Pandas

Nos scripts fornecidos, a principal tarefa é filtrar linhas de um DataFrame com base em valores de colunas específicos, um requisito comum na análise de dados. O primeiro script começa importando a biblioteca Pandas com import pandas as pd. Isso é essencial porque Pandas é uma biblioteca poderosa de manipulação de dados em Python. A seguir, criamos um DataFrame de amostra usando pd.DataFrame() com um dicionário contendo dados para nomes, idades e cidades. Essa estrutura nos permite visualizar e manipular facilmente dados tabulares. A parte crucial do script é onde filtramos as linhas usando df[df['city'] == 'New York']. Este comando seleciona todas as linhas onde o valor da coluna da cidade é 'Nova York'. O resultado é armazenado na variável ny_rows, que é então impresso para exibir o DataFrame filtrado.

O segundo script segue uma estrutura semelhante, mas concentra-se na filtragem de linhas com base em uma condição numérica. Após importar o Pandas e criar um DataFrame com colunas de produto, preço e quantidade, o script usa df[df['price'] > 150] para filtrar linhas onde o preço é maior que 150. Este comando produz um subconjunto do DataFrame original contendo apenas as linhas que atendem à condição especificada. O resultado é armazenado em expensive_products e impresso para verificação. Ambos os scripts demonstram o poder e a simplicidade do Pandas para manipulação de dados. Ao usar a indexação booleana, um método em que passamos uma série de valores verdadeiros/falso para filtrar dados, podemos selecionar com eficiência subconjuntos de dados com base em várias condições, tornando-a uma ferramenta inestimável para analistas de dados e cientistas.

Filtrando linhas em um DataFrame com base nos valores das colunas

Python - Usando Pandas para operações DataFrame

import pandas as pd
# Create a sample DataFrame
data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Edward'],
    'age': [24, 27, 22, 32, 29],
    'city': ['New York', 'Los Angeles', 'New York', 'Chicago', 'Los Angeles']
}
df = pd.DataFrame(data)

# Select rows where city is New York
ny_rows = df[df['city'] == 'New York']
print(ny_rows)

# Output:
#       name  age      city
# 0    Alice   24  New York
# 2  Charlie   22  New York

Consultando linhas do DataFrame com base nos valores das colunas

Python - Filtragem Avançada com Pandas

import pandas as pd

# Create a sample DataFrame
data = {
    'product': ['A', 'B', 'C', 'D'],
    'price': [100, 150, 200, 250],
    'quantity': [30, 50, 20, 40]
}
df = pd.DataFrame(data)

# Select rows where price is greater than 150
expensive_products = df[df['price'] > 150]
print(expensive_products)

# Output:
#   product  price  quantity
# 2       C    200        20
# 3       D    250        40

Técnicas avançadas para seleção de linhas do DataFrame

Além da filtragem básica com indexação booleana, o Pandas oferece técnicas mais avançadas para selecionar linhas com base nos valores das colunas. Um desses métodos é o query() função, que permite usar sintaxe semelhante a SQL para filtrar linhas do DataFrame. Por exemplo, você pode usar df.query('age > 25 and city == "New York"') para selecionar linhas onde a idade é maior que 25 anos e a cidade é Nova York. Este método pode tornar seu código mais legível, especialmente para condições complexas. Além disso, Pandas fornece o loc[] e iloc[] acessadores para seleção de linha mais precisa. O loc[] o acessador é baseado em rótulo, o que significa que você pode filtrar linhas por seus rótulos ou por uma matriz booleana. Em contrapartida, o iloc[] o acessador é baseado em posição inteira, permitindo filtrar linhas por suas posições de índice.

Outro recurso poderoso do Pandas é a capacidade de filtrar linhas do DataFrame usando o isin() método. Este método é útil quando você precisa filtrar linhas com base em uma lista de valores. Por exemplo, df[df['city'].isin(['New York', 'Los Angeles'])] seleciona linhas onde o valor da coluna cidade é Nova York ou Los Angeles. Além disso, você pode encadear múltiplas condições usando o & e | operadores para criar filtros mais complexos. Por exemplo, df[(df['age'] > 25) & (df['city'] == 'New York')] filtra linhas onde a idade é maior que 25 anos e a cidade é Nova York. Essas técnicas avançadas fornecem uma estrutura robusta para filtragem de dados, tornando o Pandas uma ferramenta versátil para análise e manipulação de dados.

Perguntas comuns sobre a seleção de linhas do DataFrame no Pandas

1. Como filtrar linhas em um DataFrame com base em vários valores de coluna?
2. Você pode usar a indexação booleana com múltiplas condições combinadas usando & e |. Por exemplo: df[(df['age'] > 25) & (df['city'] == 'New York')].
3. Qual é a diferença entre loc[] e iloc[]?
4. loc[] é baseado em rótulo, enquanto iloc[] é baseado em posição inteira. Usar loc[] para filtrar por rótulos e iloc[] para filtrar por posições de índice.
5. Como posso usar o query() função para filtrar linhas do DataFrame?
6. O query() função permite que você use sintaxe semelhante a SQL. Por exemplo: df.query('age > 25 and city == "New York"').
7. Posso filtrar linhas com base em uma lista de valores?
8. Sim, você pode usar o isin() método. Por exemplo: df[df['city'].isin(['New York', 'Los Angeles'])].
9. Qual é a melhor maneira de filtrar linhas com base na correspondência de strings?
10. Você pode usar o str.contains() método. Por exemplo: df[df['city'].str.contains('New')].
11. Como seleciono linhas onde faltam valores de coluna?
12. Você pode usar o isna() método. Por exemplo: df[df['age'].isna()].
13. Como posso filtrar linhas usando uma função personalizada?
14. Você pode usar o apply() método com uma função lambda. Por exemplo: df[df.apply(lambda row: row['age'] > 25, axis=1)].
15. Posso filtrar linhas com base em valores de índice?
16. Sim, você pode usar o index.isin() método. Por exemplo: df[df.index.isin([1, 3, 5])].

Principais vantagens para a seleção de linhas do DataFrame

Selecionar linhas de um DataFrame com base nos valores das colunas é uma habilidade fundamental na análise de dados com Pandas. Utilizando indexação booleana, loc[], iloc[], query(), e isin() métodos permitem uma filtragem de dados eficiente. Dominar essas técnicas aumenta sua capacidade de manipular e analisar conjuntos de dados de maneira eficaz.