


Sélection de lignes en fonction des valeurs de colonne dans Pandas
Dans Pandas, filtrer un DataFrame pour sélectionner des lignes spécifiques en fonction des valeurs de colonne peut être effectué à l'aide d'une combinaison d'opérateurs de comparaison et Indexation booléenne.
Comparaison des valeurs de colonne
Pour sélectionner les lignes auxquelles une valeur de colonne correspond une valeur scalaire spécifique, utilisez l'opérateur == :
df.loc[df['column_name'] == some_value]
Pour sélectionner les lignes où une valeur de colonne se trouve dans une liste ou une autre valeur itérable, utilisez l'opérateur isin :
df.loc[df['column_name'].isin(some_values)]
Combinaison de conditions
Plusieurs conditions peuvent être combinées à l'aide de l'opérateur & pour sélectionner les lignes qui satisfont toutes conditions :
df.loc[(df['column_name'] >= A) & (df['column_name'] <p>Notez que les parenthèses sont nécessaires pour garantir la bonne priorité des opérateurs.</p><h3 id="Conditions-négatives">Conditions négatives</h3><p>Pour sélectionner les lignes qui ne correspondent pas à une certaine valeur ou qui ne sont pas dans une liste spécifique, annulez la condition en utilisant != ou ~:</p><pre class="brush:php;toolbar:false">df.loc[df['column_name'] != some_value] df = df.loc[~df['column_name'].isin(some_values)] # In-place replacement requires `loc`
Index Optimisation
Pour un filtrage efficace sur les critères fréquemment utilisés, il peut être intéressant de créer un index sur la colonne. Cela permet des recherches plus rapides à l'aide de df.loc :
df = df.set_index(['B']) df.loc['one']
Exemples
Considérez le DataFrame suivant :
df = pd.DataFrame({'A': ['foo', 'bar', 'foo', 'bar', 'foo', 'bar', 'foo', 'foo'], 'B': ['one', 'one', 'two', 'three', 'two', 'two', 'one', 'three'], 'C': np.arange(8), 'D': np.arange(8) * 2})
Pour sélectionner les lignes où la colonne « A » est égale à « foo' :
print(df.loc[df['A'] == 'foo'])
Pour sélectionner les lignes dans lesquelles se trouve la colonne « B » ['un', 'trois'] :
print(df.loc[df['B'].isin(['one','three'])])
Pour sélectionner les lignes où la colonne "B" est "un" ou "deux" :
df = df.set_index(['B']) print(df.loc[df.index.isin(['one','two'])])
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Solution aux problèmes d'autorisation Lors de la visualisation de la version Python dans Linux Terminal Lorsque vous essayez d'afficher la version Python dans Linux Terminal, entrez Python ...

Cet article explique comment utiliser la belle soupe, une bibliothèque Python, pour analyser HTML. Il détaille des méthodes courantes comme find (), find_all (), select () et get_text () pour l'extraction des données, la gestion de diverses structures et erreurs HTML et alternatives (Sel

Le module statistique de Python fournit de puissantes capacités d'analyse statistique de données pour nous aider à comprendre rapidement les caractéristiques globales des données, telles que la biostatistique et l'analyse commerciale. Au lieu de regarder les points de données un par un, regardez simplement des statistiques telles que la moyenne ou la variance pour découvrir les tendances et les fonctionnalités des données d'origine qui peuvent être ignorées et comparer les grands ensembles de données plus facilement et efficacement. Ce tutoriel expliquera comment calculer la moyenne et mesurer le degré de dispersion de l'ensemble de données. Sauf indication contraire, toutes les fonctions de ce module prennent en charge le calcul de la fonction moyenne () au lieu de simplement additionner la moyenne. Les nombres de points flottants peuvent également être utilisés. Importer au hasard Statistiques d'importation de fracTI

Cet article compare TensorFlow et Pytorch pour l'apprentissage en profondeur. Il détaille les étapes impliquées: préparation des données, construction de modèles, formation, évaluation et déploiement. Différences clés entre les cadres, en particulier en ce qui concerne le raisin informatique

L'article traite des bibliothèques Python populaires comme Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask et Demandes, détaillant leurs utilisations dans le calcul scientifique, l'analyse des données, la visualisation, l'apprentissage automatique, le développement Web et H et H

Cet article guide les développeurs Python sur la construction d'interfaces de ligne de commande (CLI). Il détaille à l'aide de bibliothèques comme Typer, Click et Argparse, mettant l'accent sur la gestion des entrées / sorties et promouvant des modèles de conception conviviaux pour une meilleure convivialité par la CLI.

Lorsque vous utilisez la bibliothèque Pandas de Python, comment copier des colonnes entières entre deux frames de données avec différentes structures est un problème courant. Supposons que nous ayons deux dats ...

L'article traite du rôle des environnements virtuels dans Python, en se concentrant sur la gestion des dépendances du projet et l'évitement des conflits. Il détaille leur création, leur activation et leurs avantages pour améliorer la gestion de projet et réduire les problèmes de dépendance.


Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

SublimeText3 version anglaise
Recommandé : version Win, prend en charge les invites de code !

Listes Sec
SecLists est le compagnon ultime du testeur de sécurité. Il s'agit d'une collection de différents types de listes fréquemment utilisées lors des évaluations de sécurité, le tout en un seul endroit. SecLists contribue à rendre les tests de sécurité plus efficaces et productifs en fournissant facilement toutes les listes dont un testeur de sécurité pourrait avoir besoin. Les types de listes incluent les noms d'utilisateur, les mots de passe, les URL, les charges utiles floues, les modèles de données sensibles, les shells Web, etc. Le testeur peut simplement extraire ce référentiel sur une nouvelle machine de test et il aura accès à tous les types de listes dont il a besoin.

Dreamweaver Mac
Outils de développement Web visuel

Adaptateur de serveur SAP NetWeaver pour Eclipse
Intégrez Eclipse au serveur d'applications SAP NetWeaver.

SublimeText3 Linux nouvelle version
Dernière version de SublimeText3 Linux