Ym myd dadansoddi data, gall trin setiau data mawr fod yn dasg frawychus. Un o rannau hanfodol y broses hon yw hidlo'r data i gael y wybodaeth berthnasol. Pan ddaw i Python, y llyfrgell bwerus pandas yn dod i'n cymorth. Yn yr erthygl hon, byddwn yn trafod sut i hidlo pob colofn mewn pandas DataFrame. Byddwn yn mynd trwy esboniad cam wrth gam o'r cod ac yn darparu dealltwriaeth ddofn o'r llyfrgelloedd a'r swyddogaethau y gellir eu defnyddio ar gyfer problemau tebyg.
Cyflwyno pandas
yn llyfrgell ffynhonnell agored sy'n darparu strwythurau data hawdd eu defnyddio ac offer dadansoddi data ar gyfer iaith raglennu Python. Mae'n chwarae rhan arwyddocaol yn yr ecosystem gwyddor data ac mae wedi dod yn offeryn hanfodol i unrhyw wyddonydd data neu ddadansoddwr sy'n gweithio gyda Python. Ymhlith ei nodweddion, mae pandas yn cynnig dau strwythur data sylfaenol: Ffram Data a Cyfres. Mae DataFrame yn dabl dau ddimensiwn gydag echelinau wedi'u labelu (rhesi a cholofnau), tra bod Cyfres yn arae un-dimensiwn wedi'i labelu.
Ar gyfer yr erthygl hon, byddwn yn canolbwyntio ar hidlo gwerthoedd penodol sy'n bresennol mewn unrhyw golofn o pandas DataFrame. I wneud hyn, byddwn yn defnyddio'r pandas .sin() swyddogaeth ynghyd â masgio boolean.
Hidlo Ffrâm Data
I hidlo DataFrame mewn pandas, dilynwch y camau hyn:
1. Mewnforio'r llyfrgell pandas
2. Creu DataFrame neu ei lwytho o ffeil
3. Diffiniwch y gwerthoedd yr ydych am eu hidlo
4. Defnyddiwch y ffwythiant `.isin()` a masgio boolean ar yr hidlydd
5. Arddangos y DataFrame wedi'i hidlo
Gadewch i ni blymio i mewn i'r cod i ddeall sut mae'n gweithio.
import pandas as pd
# Creating a DataFrame
data = {'Column1': [1, 2, 3, 4, 5],
'Column2': [10, 20, 30, 40, 50],
'Column3': ['A', 'B', 'A', 'B', 'A']}
df = pd.DataFrame(data)
# Define the values to filter
filter_values = [1, 3, 5, 'A']
# Apply the filter using .isin() and boolean masking
filtered_df = df[df.isin(filter_values).any(axis=1)]
# Display the filtered DataFrame
print(filtered_df)
Yn yr enghraifft hon, rydyn ni'n mewnforio'r llyfrgell pandas yn gyntaf ac yn creu DataFrame gyda thair colofn. Rydyn ni'n diffinio'r gwerthoedd rydyn ni am eu hidlo (1, 3, 5, ac 'A') ac yn cymhwyso'r hidlydd gan ddefnyddio'r ffwythiant `.isin()` ynghyd â masgio boolean. Mae'r ffwythiant `any(echelin=1)` yn gwirio a oes unrhyw werth o fewn rhes yn bodloni'r meini prawf hidlo. Yn olaf, rydym yn argraffu'r DataFrame wedi'i hidlo.
Y ffwythiant .sin() a masgio boolean
Mae'r gwasanaeth bws .sin() Mae swyddogaeth mewn pandas yn offeryn amlbwrpas ar gyfer hidlo data yn seiliedig ar restr neu set o werthoedd. Mae'n dychwelyd DataFrame boolean o'r un siâp â'r un gwreiddiol, gan nodi pa elfennau sy'n bresennol yn y rhestr neu'r set a ddarperir. Yn ein hachos ni, rydym yn pasio rhestr o werthoedd yr ydym am eu hidlo.
Mae masgio Boole yn dechneg a ddefnyddir mewn pandas ar gyfer hidlo data elfennol. Mae'n cynnwys cymhwyso mwgwd boolean (amrywiaeth o werthoedd Gwir a Gau) i strwythur data i hidlo ei elfennau. Yng nghyd-destun ein problem, rydym yn defnyddio masgio boolean ynghyd â'r swyddogaeth .isin() i adalw rhesi sy'n cynnwys y gwerthoedd dymunol.
Gyda dealltwriaeth glir o'r llyfrgell pandas, strwythurau DataFrame, a'r swyddogaeth .isin(), gallwn hidlo unrhyw pandas DataFrame yn effeithiol. Mae'r technegau hyn yn ein galluogi i archwilio setiau data mawr a thynnu mewnwelediadau gwerthfawr yn rhwydd, gan wneud pandas yn llyfrgell mynd-i-fynd ar gyfer dadansoddi data yn Python.
