Vo svete analýzy údajov môže byť manipulácia s veľkými súbormi údajov skľučujúcou úlohou. Jednou z podstatných častí tohto procesu je filtrovanie údajov na získanie relevantných informácií. Pokiaľ ide o Python, výkonnú knižnicu pandy nám prichádza na pomoc. V tomto článku budeme diskutovať ako filtrovať všetky stĺpce v dátovom rámci pandas. Prejdeme si krok za krokom vysvetlenie kódu a poskytneme hlboké pochopenie knižníc a funkcií, ktoré možno použiť na podobné problémy.
Predstavujeme vám pandy
je knižnica s otvoreným zdrojovým kódom, ktorá poskytuje ľahko použiteľné dátové štruktúry a nástroje na analýzu dát pre programovací jazyk Python. Hrá významnú úlohu v ekosystéme dátovej vedy a stal sa nevyhnutným nástrojom pre každého dátového vedca alebo analytika pracujúceho s Pythonom. Medzi svojimi vlastnosťami pandy ponúkajú dve primárne dátové štruktúry: DataFrame a Séria. DataFrame je dvojrozmerná tabuľka s označenými osami (riadky a stĺpce), zatiaľ čo séria je jednorozmerné označené pole.
V tomto článku sa zameriame na filtrovanie konkrétnych hodnôt prítomných v ľubovoľnom stĺpci dátového rámca pandas. Na to použijeme pandy .je v() fungovať spolu s booleovským maskovaním.
Filtrovanie dátového rámca
Ak chcete filtrovať DataFrame v pandách, postupujte takto:
1. Importujte knižnicu pandy
2. Vytvorte DataFrame alebo ho načítajte zo súboru
3. Definujte hodnoty, ktoré chcete filtrovať
4. Použite filter pomocou funkcie `.isin()` a booleovského maskovania
5. Zobrazte filtrovaný DataFrame
Poďme sa ponoriť do kódu, aby sme pochopili, ako to funguje.
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)
V tomto príklade najprv importujeme knižnicu pandy a vytvoríme DataFrame s tromi stĺpcami. Definujeme hodnoty, ktoré chceme filtrovať (1, 3, 5 a 'A') a aplikujeme filter pomocou funkcie `.isin()` v kombinácii s booleovským maskovaním. Funkcia `any(axis=1)` kontroluje, či nejaká hodnota v riadku spĺňa kritériá filtrovania. Nakoniec vytlačíme filtrovaný DataFrame.
Funkcia .isin() a booleovské maskovanie
.je v() funkcia v pandách je všestranný nástroj na filtrovanie údajov na základe zoznamu alebo množiny hodnôt. Vracia booleovský DataFrame rovnakého tvaru ako pôvodný, pričom uvádza, ktoré prvky sú prítomné v poskytnutom zozname alebo množine. V našom prípade odovzdávame zoznam hodnôt, ktoré chceme filtrovať.
Booleovské maskovanie je technika používaná v pandách na filtrovanie údajov po prvkoch. Pozostáva z aplikovania booleovskej masky (pole hodnôt True a False) na dátovú štruktúru na filtrovanie jej prvkov. V kontexte nášho problému používame booleovské maskovanie spolu s funkciou .isin() na získanie riadkov obsahujúcich požadované hodnoty.
S jasným pochopením knižnice pandy, štruktúr DataFrame a funkcie .isin() môžeme efektívne filtrovať akýkoľvek DataFrame pandy. Tieto techniky nám umožňujú skúmať veľké súbory údajov a ľahko získavať cenné poznatky, vďaka čomu sú pandy obľúbenou knižnicou na analýzu údajov v Pythone.
