Pandas データ フィルタリングの主要な知識ポイントをすばやくマスターするには、特定のコード例が必要です
概要:
Pandas は、豊富な機能を提供する強力なデータ分析ライブラリです。データを処理および分析するための機能とツール。その中でも、データ フィルタリングは Pandas の重要な操作の 1 つであり、データから関心のある情報を抽出するのに役立ちます。この記事では、Pandas でのデータ フィルタリングの重要な知識ポイントを紹介し、読者がこの重要なスキルをすぐに習得できるように具体的なコード例を示します。
import pandas as pd # 创建一个示例数据 data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 30, 35, 40], 'gender': ['F', 'M', 'M', 'M']} df = pd.DataFrame(data) # 筛选age大于30的数据 age_filter = df['age'] > 30 filtered_data = df[age_filter] print(filtered_data)
出力結果:
name age gender 2 Charlie 35 M 3 David 40 M
import pandas as pd # 创建一个示例数据 data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 30, 35, 40], 'gender': ['F', 'M', 'M', 'M']} df = pd.DataFrame(data) # 筛选name在给定列表中的数据 filter_names = ['Alice', 'Charlie'] filtered_data = df[df['name'].isin(filter_names)] print(filtered_data)
出力結果:
name age gender 0 Alice 25 F 2 Charlie 35 M
import pandas as pd # 创建一个示例数据 data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 30, 35, 40], 'gender': ['F', 'M', 'M', 'M']} df = pd.DataFrame(data) # 筛选年龄大于30且性别为男性的数据 filtered_data = df[(df['age'] > 30) & (df['gender'] == 'M')] print(filtered_data)
出力結果:
name age gender 2 Charlie 35 M 3 David 40 M
import pandas as pd # 创建一个示例数据 data = {'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 30, 35, 40], 'gender': ['F', 'M', 'M', 'M']} df = pd.DataFrame(data) # 使用query()方法筛选年龄大于30且性别为男性的数据 filtered_data = df.query('age > 30 and gender == "M"') print(filtered_data)
出力結果:
name age gender 2 Charlie 35 M 3 David 40 M
概要:
この記事では、次の重要な知識ポイントを紹介します。 Pandas でのデータ フィルタリングについて説明し、具体的なコード例を示します。これらの知識ポイントをマスターすることで、読者は大量のデータから必要な情報をより効率的に抽出できるようになります。この記事が、読者が Pandas データ スクリーニングのスキルをすぐに習得し、データ分析能力を向上させるのに役立つことを願っています。
以上がPandas データ フィルタリングの重要な知識ポイントを素早くマスターするの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。