แก้ไขแล้ว: คอลัมน์ส่งคืนแบบสอบถาม pandas

Pandas เป็นไลบรารี Python ที่ได้รับความนิยมอย่างกว้างขวางซึ่งใช้ในด้านการวิเคราะห์และจัดการข้อมูล ทุกวันนี้ การวิเคราะห์และการทำงานกับข้อมูลจำนวนมหาศาลมีความสำคัญมากกว่าที่เคย และ Pandas มีบทบาทสำคัญในการจัดหาเครื่องมือที่จำเป็นสำหรับจุดประสงค์นี้ งานสำคัญอย่างหนึ่งที่มักดำเนินการระหว่างการวิเคราะห์ข้อมูลคือความสามารถในการสืบค้นข้อมูลเฉพาะและส่งคืนคอลัมน์ตามเงื่อนไขที่กำหนด ในบทความนี้ เราจะพูดถึงวิธีรับผลลัพธ์ดังกล่าวโดยใช้ไลบรารี Pandas อันทรงพลังพร้อมกับคำอธิบายโดยละเอียดเกี่ยวกับโค้ด ฟังก์ชัน และไลบรารีที่จำเป็น

ข้อกำหนดเบื้องต้น: การติดตั้ง Pandas

ก่อนลงลึกในการแก้ปัญหา คุณต้องติดตั้ง Pandas ไว้ในระบบของคุณ ในกรณีที่คุณยังไม่ได้ติดตั้ง Pandas คุณสามารถใช้คำสั่งต่อไปนี้เพื่อติดตั้งผ่านตัวจัดการแพ็คเกจของ Python pip:

pip install pandas

หลังจากติดตั้ง Pandas สำเร็จ ให้ดำเนินการนำเข้าไปยังสคริปต์ Python ของคุณโดยใช้:

import pandas as pd

ตอนนี้เราได้ติดตั้ง Pandas และนำเข้ามาในสคริปต์ของเราแล้ว เรามาแก้ปัญหากันต่อ

วิธีแก้ไขปัญหา: การสอบถาม DataFrame และส่งคืนคอลัมน์

สมมติว่าเรามี DataFrame และจำเป็นต้องค้นหาข้อมูลเฉพาะตามเงื่อนไขบางอย่าง เช่น ค้นหาคอลัมน์ชื่อ "อายุ" ซึ่งค่าต่างๆ มากกว่าตัวเลขที่กำหนด เราสามารถบรรลุสิ่งนี้ได้โดยใช้ Pandas ' แบบสอบถาม () ฟังก์ชัน

ก่อนอื่นมาสร้าง DataFrame ตัวอย่างพร้อมข้อมูลบางส่วนเพื่อวัตถุประสงค์ในการสาธิต:

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)

คำอธิบายทีละขั้นตอน: การทำงานกับฟังก์ชัน Pandas Query

ตอนนี้เราได้สร้าง DataFrame ตัวอย่างแล้ว เรามาแบ่งขั้นตอนในการสืบค้นและส่งคืนข้อมูลที่จำเป็น:

1 ใช้ แบบสอบถาม () ฟังก์ชันเพื่อกรอง DataFrame ตามเงื่อนไขที่ให้ไว้:

   age_filter = df.query('Age > 30')
   

พื้นที่ แบบสอบถาม () ฟังก์ชันยอมรับสตริงที่มีเงื่อนไข ที่นี่ 'อายุ > 30' เพื่อกรอง DataFrame ตามนั้น

2. หากต้องการส่งคืนเฉพาะคอลัมน์ 'อายุ' ของ DataFrame ที่กรอง ให้ใช้:

   result = age_filter['Age']
   

3. สุดท้าย พิมพ์ผลลัพธ์:

   print(result)
   

ฟังก์ชันและไลบรารีที่คล้ายกันที่สำคัญอื่นๆ

นอกจากนี้ยังมี แบบสอบถาม () มีทางเลือกอื่นๆ ที่คล้ายกันใน Pandas เช่น ที่ตั้ง[] และ ไอโลค[] ฟังก์ชันที่สามารถตอบสนองวัตถุประสงค์เดียวกันในการกรองและดึงข้อมูล ทางเลือกของฟังก์ชันขึ้นอยู่กับความซับซ้อนของปัญหาและความเรียบง่ายของโค้ด

นอกจากนี้ Pandas มักจะจับคู่กับไลบรารี่อื่นๆ เพื่อปรับปรุงความสามารถในการวิเคราะห์ข้อมูลให้ดียิ่งขึ้น นำพาย เป็นไลบรารีสำหรับการดำเนินการเชิงตัวเลข ซึ่งเอื้อประโยชน์ต่อการเพิ่มประสิทธิภาพการทำงานของ Pandas ควบคู่กันไป Matplotlib ไลบรารีช่วยในการสร้างการแสดงภาพข้อมูลที่น่าสนใจ ทำให้ผู้ใช้เข้าใจรูปแบบข้อมูลได้ง่ายขึ้น

โดยสรุป ไลบรารี Pandas ทำหน้าที่เป็นเครื่องมือพื้นฐานในการวิเคราะห์และกรองข้อมูล เมื่อรวมกับไลบรารีที่จำเป็นอื่นๆ เช่น NumPy และ Matplotlib เพื่อให้เทคนิคการจัดการข้อมูลที่ยืดหยุ่นและมีประสิทธิภาพ