Фреймы данных широко используются в задачах анализа и манипулирования данными. Одним из общих требований является фильтрация данных на основе конкретных условий. В этой статье мы рассмотрим несколько методов условной фильтрации кадров данных на основе значений в первых трех столбцах. Каждый метод будет сопровождаться примером кода, демонстрирующим его использование и эффективность.

Методы условной фильтрации кадров данных:

1. Метод 1: использование логического индексирования
   Булевое индексирование позволяет нам фильтровать кадр данных с использованием логического условия. Мы можем объединить несколько условий, используя логические операторы, такие как «&» (и) и «|» (или). Вот пример:

import pandas as pd
# Create a sample dataframe
data = {'A': [1, 2, 3, 4],
        'B': [5, 6, 7, 8],
        'C': [9, 10, 11, 12],
        'D': [13, 14, 15, 16]}
df = pd.DataFrame(data)
# Conditionally filter the dataframe based on the first three columns
filtered_df = df[(df['A'] > 2) & (df['B'] <= 7) & (df['C'] == 11)]
print(filtered_df)

2. Метод 2: использование метода query()
   Pandas предоставляет удобный метод query(), который позволяет нам фильтровать кадры данных с использованием синтаксиса, подобного SQL. Вот пример:

import pandas as pd
# Create a sample dataframe
data = {'A': [1, 2, 3, 4],
        'B': [5, 6, 7, 8],
        'C': [9, 10, 11, 12],
        'D': [13, 14, 15, 16]}
df = pd.DataFrame(data)
# Conditionally filter the dataframe based on the first three columns
filtered_df = df.query('A > 2 and B <= 7 and C == 11')
print(filtered_df)

3. Метод 3: использование метода доступа loc
   Аксессор locв pandas позволяет индексировать на основе меток. Мы можем использовать его для фильтрации кадров данных на основе условий, применяемых к конкретным столбцам. Вот пример:

import pandas as pd
# Create a sample dataframe
data = {'A': [1, 2, 3, 4],
        'B': [5, 6, 7, 8],
        'C': [9, 10, 11, 12],
        'D': [13, 14, 15, 16]}
df = pd.DataFrame(data)
# Conditionally filter the dataframe based on the first three columns
filtered_df = df.loc[(df['A'] > 2) & (df['B'] <= 7) & (df['C'] == 11)]
print(filtered_df)

4. Метод 4: использование функции apply()
   Мы также можем использовать функцию apply()для фильтрации кадров данных на основе условий, применяемых к строкам или столбцам. Вот пример:

import pandas as pd
# Create a sample dataframe
data = {'A': [1, 2, 3, 4],
        'B': [5, 6, 7, 8],
        'C': [9, 10, 11, 12],
        'D': [13, 14, 15, 16]}
df = pd.DataFrame(data)
# Conditionally filter the dataframe based on the first three columns
filtered_df = df[df.apply(lambda row: row['A'] > 2 and row['B'] <= 7 and row['C'] == 11, axis=1)]
print(filtered_df)

В этой статье мы рассмотрели несколько методов условной фильтрации кадров данных на основе значений в первых трех столбцах. Мы рассмотрели такие методы, как логическое индексирование, метод query(), метод доступа loc и функцию apply(). Каждый метод предлагает свой подход, и выбор зависит от личных предпочтений и конкретных случаев использования. Используя эти методы, вы можете эффективно фильтровать кадры данных и извлекать нужные подмножества данных.