Pandas on laajalti suosittu Python-kirjasto, jota käytetään tietojen analysointiin ja käsittelyyn. Nykyään valtavien tietomäärien analysointi ja työskentely on tärkeämpää kuin koskaan, ja Pandalla on keskeinen rooli tarvittavien työkalujen tarjoajana tähän tarkoitukseen. Yksi tärkeimmistä tehtävistä, joita usein suoritetaan data-analyysin aikana, on kyky kysyä tiettyjä tietoja ja palauttaa sarake tiettyjen ehtojen perusteella. Tässä artikkelissa keskustelemme siitä, kuinka saada tällaisia tuloksia käyttämällä tehokasta Pandas-kirjastoa sekä yksityiskohtaista selitystä koodista, toiminnoista ja vaadituista kirjastoista.
Edellytykset: Pandan asennus
Ennen kuin sukellat ratkaisuun, sinun on oltava Pandas asennettuna järjestelmääsi. Jos sinulla ei ole vielä Pandasta asennettuna, voit asentaa sen Pythonin paketinhallinnan kautta seuraavalla komennolla, pip:
pip install pandas
Kun Pandas on asennettu onnistuneesti, jatka sen tuomista Python-skriptiisi käyttämällä:
import pandas as pd
Nyt kun Pandat on asennettu ja tuotu skriptimme, siirrytään ongelman ratkaisemiseen.
Ongelman ratkaisu: DataFrame-kyselyn ja sarakkeen palauttaminen
Olettaen, että meillä on DataFrame ja meidän täytyy kysyä tiettyjä tietoja tiettyjen ehtojen perusteella, esimerkiksi löytää sarake nimeltä "ikä", jossa arvot ovat suurempia kuin tietty luku. Voimme saavuttaa tämän käyttämällä Panda kysely () toiminto.
Luodaan ensin esimerkki DataFrame, jossa on tietoja esittelytarkoituksiin:
data = {
"Name": ["Alice", "Bob", "Charlie", "David", "Eve"],
"Age": [25, 32, 29, 41, 38],
"City": ["New York", "San Francisco", "Los Angeles", "Chicago", "Miami"]
}
df = pd.DataFrame(data)
Vaiheittainen selitys: Pandas-kyselyfunktion käyttäminen
Nyt kun olemme luoneet mallin DataFramesta, eritellään vaiheet vaadittujen tietojen kyselyä ja palauttamista varten:
1. Käytä kysely () toiminto suodattaa DataFrame annetun ehdon perusteella:
age_filter = df.query('Age > 30')
- kysely () funktio hyväksyy ehdon sisältävän merkkijonon, tässä "Ikä > 30", suodattaakseen DataFramen vastaavasti.
2. Jos haluat palauttaa vain suodatetun DataFramen Ikä-sarakkeen, käytä:
result = age_filter['Age']
3. Tulosta lopuksi tulos:
print(result)
Muita huomionarvoisia vastaavia toimintoja ja kirjastoja
Lisäksi kysely () Pandassa on muita samanlaisia vaihtoehtoja, kuten loc[] ja Iloc[] toimintoja, jotka voivat palvella samaa tarkoitusta tietojen suodatuksessa ja hakemisessa. Toiminnon valinta riippuu ongelman monimutkaisuudesta ja koodin yksinkertaisuudesta.
Lisäksi Pandas yhdistetään usein muiden kirjastojen kanssa tietojen analysointiominaisuuksien parantamiseksi. nuhjuinen on kirjasto numeerisia operaatioita varten, mikä hyödyttää Pandan suorituskyvyn optimointia. Samanaikaisesti, Matplotlib kirjasto auttaa luomaan houkuttelevia visualisointeja tiedoista, mikä helpottaa käyttäjien ymmärtämistä tietomalleja.
Yhteenvetona voidaan todeta, että Pandas-kirjasto toimii perustavanlaatuisena työkaluna tietojen analysoinnissa ja suodatuksessa yhdistettynä muihin keskeisiin kirjastoihin, kuten NumPy ja Matplotlib, tarjotakseen joustavia ja tehokkaita tiedonkäsittelytekniikoita.
