So extrahieren Sie mit Pandas Daten, die Bedingungen erfüllen

So verwenden Sie Pandas zum Herausfiltern qualifizierter Daten

Pandas ist eine leistungsstarke Datenanalysebibliothek in Python, die umfangreiche Datenverarbeitungs- und Betriebsfunktionen bietet. Im eigentlichen Datenanalyse- und -verarbeitungsprozess müssen wir die Daten häufig filtern, um Daten zu finden, die bestimmte Bedingungen erfüllen. In diesem Artikel erfahren Sie, wie Sie Pandas zum Filtern von Daten verwenden, und stellen spezifische Codebeispiele bereit.

1. Importieren Sie die Pandas-Bibliothek

Bevor wir Pandas verwenden, müssen wir zunächst die relevanten Bibliotheken importieren. Sie können den folgenden Befehl verwenden, um die Pandas-Bibliothek zu importieren:

Pandas als PD importieren

2. Erstellen Sie einen Datenrahmen

Bevor wir Daten filtern, müssen wir zunächst einen Datenrahmen erstellen. Der Datenrahmen ist eine häufig verwendete Datenstruktur in Pandas, ähnlich den Tabellen in Excel, mit der Daten problemlos gespeichert und verarbeitet werden können. Das Folgende ist ein Beispielcode zum Erstellen eines einfachen Datenrahmens:

data = {'Name': ['Zhang San', 'Li Si', 'Wang Wu', 'Zhao Liu'],

    'Age': [25, 30, 35, 40],
    'Gender': ['男', '女', '男', '女'],
    'Salary': [5000, 6000, 7000, 8000]}

df = pd . DataFrame(data)

3. Daten basierend auf Bedingungen filtern

In Pandas können wir einige Methoden verwenden, um Daten basierend auf Bedingungen zu filtern. Im Folgenden sind einige häufig verwendete Methoden aufgeführt:

1. loc-Methode

loc-Methode kann Daten basierend auf Zeilen- und Spaltenbeschriftungen filtern. Das Folgende ist ein Beispielcode, der die loc-Methode zum Filtern von Daten verwendet, die älter als 30 Jahre sind:

filtered_data = df.loc[df['Age'] >

2. iloc-Methode

iloc-Methode kann sein Basierend auf Zeilen- und Spaltenindex führt der Index eine Datenfilterung durch. Das Folgende ist ein Beispielcode, der die iloc-Methode verwendet, um die Daten in Zeile 3 zu filtern:

filtered_data = df.iloc[2]

3. Bedingte Filterung

Zusätzlich zu den oben genannten Methoden können wir auch bedingte Ausdrücke verwenden um die Daten zu filtern. Das Folgende ist ein Beispielcode mit bedingter Filterung:

filtered_data == df[df['Gender'] == 'Male' & df['Salary'] >Four Die Daten Nach dem Filtern können wir die Druckmethode verwenden, um die gefilterten Ergebnisse auszugeben. Im Folgenden finden Sie einen Beispielcode für die Ausgabe gefilterter Ergebnisse:

print(filtered_data)

Mit dem obigen Codebeispiel können Sie Pandas ganz einfach verwenden, um Daten herauszufiltern, die die Kriterien erfüllen. Bei der tatsächlichen Datenanalyse und -verarbeitung sparen Sie mit diesen Funktionen von Pandas viel Zeit und Energie und helfen Ihnen, die benötigten Daten schnell und genau zu ermitteln.

Zusammenfassung: In diesem Artikel werden die grundlegenden Methoden zur Verwendung von Pandas zur Datenfilterung vorgestellt, einschließlich der Filterung basierend auf Beschriftungen und Indizes sowie der Filterung mithilfe bedingter Ausdrücke. Ich hoffe, dass diese Inhalte Ihnen dabei helfen können, Pandas besser für die Datenanalyse und -verarbeitung zu nutzen. In praktischen Anwendungen können Sie auch andere Funktionen von Pandas zur weiteren Datenverarbeitung und -analyse je nach Bedarf kombinieren.

Das obige ist der detaillierte Inhalt vonSo extrahieren Sie mit Pandas Daten, die Bedingungen erfüllen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!