Фильтрация данных – это фундаментальная операция в анализе и манипулировании данными. Он позволяет извлекать определенные строки или столбцы из DataFrame на основе определенных условий. В этой статье мы рассмотрим различные методы фильтрации DataFrames в Python с использованием популярной библиотеки Pandas. Мы обсудим различные методы с примерами кода, которые помогут вам овладеть навыками фильтрации данных.

Метод 1: логическое индексирование
Булевое индексирование — это простой и мощный метод фильтрации кадров данных на основе условий. Он предполагает создание логической маски, которая идентифицирует строки, удовлетворяющие условию, а затем применяет ее к DataFrame.

import pandas as pd
# Creating a sample DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dave', 'Eve'],
        'Age': [25, 30, 35, 40, 45],
        'Gender': ['Female', 'Male', 'Male', 'Male', 'Female']}
df = pd.DataFrame(data)
# Filtering the DataFrame using boolean indexing
filtered_df = df[df['Age'] > 30]
print(filtered_df)

Выход:

      Name  Age Gender
2  Charlie   35   Male
3     Dave   40   Male
4      Eve   45 Female

Метод 2: Метод запроса
Метод Pandas query() позволяет фильтровать строки DataFrame, используя синтаксис, подобный SQL. Он предлагает краткий и понятный способ выражения условий фильтрации.

# Filtering the DataFrame using the query method
filtered_df = df.query('Age > 30')
print(filtered_df)

Выход:

      Name  Age Gender
2  Charlie   35   Male
3     Dave   40   Male
4      Eve   45 Female

Метод 3. Использование метода loc
Метод loc в Pandas обеспечивает индексирование на основе меток, позволяя фильтровать строки DataFrame на основе определенных условий.

# Filtering the DataFrame using the loc method
filtered_df = df.loc[df['Age'] > 30]
print(filtered_df)

Выход:

      Name  Age Gender
2  Charlie   35   Male
3     Dave   40   Male
4      Eve   45 Female

Метод 4. Использование метода query() с переменными
Вы также можете использовать переменные в методе query() для динамической фильтрации кадров данных.

# Filtering the DataFrame using variables in the query method
age_threshold = 30
filtered_df = df.query('Age > @age_threshold')
print(filtered_df)

Выход:

      Name  Age Gender
2  Charlie   35   Male
3     Dave   40   Male
4      Eve   45 Female

Метод 5. Использование метода isin()
Метод isin() позволяет фильтровать фреймы данных на основе нескольких условий или списка значений.

# Filtering the DataFrame using the isin method
filtered_df = df[df['Name'].isin(['Alice', 'Charlie'])]
print(filtered_df)

Выход:

      Name  Age Gender
0    Alice   25 Female
2  Charlie   35   Male

Фильтрация фреймов данных — важный навык для любого аналитика данных или ученого. В этой статье мы рассмотрели несколько методов фильтрации DataFrames в Python с использованием Pandas, включая логическое индексирование, метод запроса, метод loc, использование переменных в запросе и метод isin. Каждый метод имеет свои преимущества и может использоваться в зависимости от конкретных требований ваших задач анализа данных.

Освоив эти методы, вы сможете эффективно фильтровать и извлекать ценную информацию из своих наборов данных. Не забудьте выбрать наиболее подходящий метод в зависимости от размера и сложности ваших данных.

Реализация этих методов фильтрации в Python с использованием Pandas улучшит ваши навыки манипулирования данными и позволит вам эффективно выполнять сложные задачи анализа данных.