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

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。

1. ブール インデックスを使用してデータをフィルタリングする
   ブール インデックスは、条件式に基づくフィルタリング方法であり、特定の条件に従ってデータをフィルタリングできます。以下は、ブール インデックスを使用してデータをフィルター処理するサンプル コードです。

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

2. isin() メソッドを使用してデータをフィルター処理する
   isin() メソッドは、特定の列の値が指定されたリストに含まれるかどうかを確認するために使用され、各値が条件を満たしているかどうかを示す一連のブール値が返されます。以下は、isin() メソッドを使用してデータをフィルター処理するサンプル コードです。

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

3. 条件式を使用してデータをフィルター処理する
   In上記の 2 つの一般的に使用される方法に加えて、Pandas は条件式を使用してデータをフィルターするより柔軟な方法も提供します。比較演算子 (>、

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

4. query() メソッドを使用してデータをフィルター処理します
   query () メソッド SQL に似た構文を使用してデータをフィルタリングでき、より直観的かつ簡潔にデータをフィルタリングできます。以下は、query() メソッドを使用してデータをフィルタリングするサンプル コードです。

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)

# 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。