연산자 체이닝을 사용하여 Pandas DataFrames의 행 필터링
Pandas 작업의 유연성을 통해 편리한 체이닝을 통해 데이터 조작 작업을 수행할 수 있습니다. 그러나 행 필터링에는 전통적으로 수동 대괄호 인덱싱이 필요했으며 이는 번거로울 수 있습니다.
연결된 부울 인덱싱
연산자 연결을 사용하여 행을 필터링하는 가장 간단한 방법은 부울 마스크를 사용하여 DataFrame을 인덱싱합니다.
<code class="python">df_filtered = df[df['column'] == value]</code>
부울 마스크는 지정된 열에 대한 각 행의 값을 확인하고 일치하는 행에 대해 True를 반환합니다.
사용자 정의 마스크 방법 연결
또는 사용자 정의 마스킹 방법을 사용하여 DataFrame 클래스를 확장할 수 있습니다.
<code class="python">def mask(df, key, value): return df[df[key] == value] pandas.DataFrame.mask = mask</code>
이 방법은 DataFrame, 열 이름 및 값을 매개변수로 사용하고 기반으로 선택적으로 행을 마스킹합니다.
<code class="python">df_filtered = df.mask('column', value)</code>
여러 마스크 연결
연결된 연산자 필터링을 사용하면 여러 마스크를 결합하여 복잡한 기준을 사용할 수 있습니다.
<code class="python">df_filtered = df[ (df['column1'] == value1) & (df['column2'] == value2) & ... ]</code>
요약하면, pandas는 연결된 행 필터링을 위한 두 가지 기본 방법을 제공합니다.
위 내용은 연산자 연결을 사용하여 Pandas DataFrames의 행을 어떻게 필터링할 수 있나요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!