Dalam dunia analisis data, menangani kumpulan data besar bisa menjadi tugas yang menakutkan. Salah satu bagian penting dari proses ini adalah memfilter data untuk mendapatkan informasi yang relevan. Ketika datang ke Python, perpustakaan yang kuat panda datang membantu kami. Pada artikel ini, kita akan membahas cara memfilter semua kolom dalam Pandas DataFrame. Kami akan melalui penjelasan kode langkah demi langkah dan memberikan pemahaman mendalam tentang pustaka dan fungsi yang dapat digunakan untuk masalah serupa.
Memperkenalkan panda
adalah pustaka sumber terbuka yang menyediakan struktur data yang mudah digunakan dan alat analisis data untuk bahasa pemrograman Python. Ini memainkan peran penting dalam ekosistem ilmu data dan telah menjadi alat yang harus dimiliki oleh setiap ilmuwan data atau analis yang bekerja dengan Python. Di antara fitur-fiturnya, panda menawarkan dua struktur data primer: Bingkai Data dan Seri. DataFrame adalah tabel dua dimensi dengan sumbu berlabel (baris dan kolom), sedangkan Seri adalah array berlabel satu dimensi.
Untuk artikel ini, kami akan fokus memfilter nilai spesifik yang ada di kolom mana pun dari DataFrame panda. Untuk melakukan ini, kami akan menggunakan panda .isin() berfungsi bersama dengan boolean masking.
Memfilter DataFrame
Untuk memfilter DataFrame di panda, ikuti langkah-langkah berikut:
1. Impor perpustakaan panda
2. Buat DataFrame atau muat dari file
3. Tentukan nilai yang ingin Anda filter
4. Terapkan filter menggunakan fungsi `.isin()` dan masking boolean
5. Tampilkan DataFrame yang difilter
Mari selami kode untuk memahami cara kerjanya.
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)
Dalam contoh ini, pertama-tama kita mengimpor pustaka panda dan membuat DataFrame dengan tiga kolom. Kita mendefinisikan nilai yang ingin kita filter (1, 3, 5, dan 'A') dan menerapkan filter menggunakan fungsi `.isin()` yang dikombinasikan dengan boolean masking. Fungsi `any(axis=1)` memeriksa apakah ada nilai dalam baris yang memenuhi kriteria pemfilteran. Terakhir, kami mencetak DataFrame yang difilter.
Fungsi .isin() dan boolean masking
Grafik .isin() function di pandas adalah alat serbaguna untuk memfilter data berdasarkan daftar atau kumpulan nilai. Ini mengembalikan DataFrame boolean dengan bentuk yang sama seperti aslinya, yang menunjukkan elemen mana yang ada dalam daftar atau set yang disediakan. Dalam kasus kami, kami memberikan daftar nilai yang ingin kami filter.
Masking Boolean adalah teknik yang digunakan dalam panda untuk memfilter data berdasarkan elemen. Ini terdiri dari penerapan topeng boolean (array nilai Benar dan Salah) ke struktur data untuk memfilter elemennya. Dalam konteks masalah kita, kita menggunakan masking boolean bersama dengan fungsi .isin() untuk mengambil baris yang berisi nilai yang diinginkan.
Dengan pemahaman yang jelas tentang pustaka panda, struktur DataFrame, dan fungsi .isin(), kita dapat memfilter DataFrame panda secara efektif. Teknik-teknik ini memungkinkan kita menjelajahi kumpulan data besar dan mengekstrak wawasan berharga dengan mudah, menjadikan panda sebagai pustaka masuk untuk analisis data dengan Python.
