Pandas 데이터 필터링의 핵심 지식 포인트를 빠르게 익히려면 구체적인 코드 예제가 필요합니다.
개요:
Pandas는 데이터를 처리하고 분석하기 위한 풍부한 기능과 도구를 제공하는 강력한 데이터 분석 라이브러리입니다. 그 중 데이터 필터링은 Pandas의 중요한 작업 중 하나로, 데이터에서 우리가 관심 있는 정보를 추출하는 데 도움을 줄 수 있습니다. 이 기사에서는 Pandas의 데이터 필터링에 대한 주요 지식 포인트를 소개하고 독자가 이 중요한 기술을 빠르게 익힐 수 있도록 구체적인 코드 예제를 제공합니다.
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)
출력 결과:
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)
출력 결과:
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)
출력 결과:
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)
출력 결과:
name age gender 2 Charlie 35 M 3 David 40 M
요약:
이 문서에서는 Pandas의 데이터 필터링에 대한 주요 지식 포인트를 소개하고 구체적인 코드 예제를 제공합니다. 이러한 지식 포인트를 숙지함으로써 독자는 대량의 데이터에서 필요한 정보를 보다 효율적으로 추출할 수 있습니다. 이 글이 독자들이 Pandas 데이터 스크리닝 기술을 빠르게 익히고 데이터 분석 능력을 향상시키는 데 도움이 되기를 바랍니다.
위 내용은 Pandas 데이터 필터링의 핵심 지식 포인트를 빠르게 마스터하세요의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!