Filtrowanie ramki danych Pandas na podstawie wartości kolumn jest typową operacją podczas pracy z informacjami w języku Python. Aby to osiągnąć, możesz użyć różnych metod i technik. Oto wiele sposobów odfiltrowania ramki danych Pandas poprzez wartości kolumn.
W tym poście zobaczymy różne sposoby filtrowania ramki danych Pandy według wartości kolumn. Najpierw utwórzmy ramkę danych:
Python3
# importing pandas> import> pandas as pd> > # declare a dictionary> record>=> {> >'Name'> : [>'Ankit'>,>'Swapnil'>,>'Aishwarya'>,> >'Priyanka'>,>'Shivangi'>,>'Shaurya'> ],> > >'Age'> : [>22>,>20>,>21>,>19>,>18>,>22>],> > >'Stream'> : [>'Math'>,>'Commerce'>,>'Science'>,> >'Math'>,>'Math'>,>'Science'>],> > >'Percentage'> : [>90>,>90>,>96>,>75>,>70>,>80>] }> > # create a dataframe> dataframe>=> pd.DataFrame(record,> >columns>=> [>'Name'>,>'Age'>,> >'Stream'>,>'Percentage'>])> # show the Dataframe> print>(>'Given Dataframe :
'>, dataframe)> |
>
>
Wyjście:
Wybieranie wierszy ramki danych Pandas na podstawie konkretnej wartości kolumny za pomocą operatora „>”, „=”, „=”, „<=”, „!=”.
Przykład 1: Wybranie wszystkich wierszy z danej ramki danych, w których „Procent” jest większy niż 75 przy użyciu [ ] .
Python3
# selecting rows based on condition> rslt_df>=> dataframe[dataframe[>'Percentage'>]>>70>]> > print>(>'
Result dataframe :
'>, rslt_df)> |
>
>
Wyjście:
Przykład 2: Wybranie wszystkich wierszy z danej ramki danych, w których „Procent” jest większy niż 70 przy użyciu miejsce [ ] .
Python3
# selecting rows based on condition> rslt_df>=> dataframe.loc[dataframe[>'Percentage'>]>>70>]> > print>(>'
Result dataframe :
'>,> >rslt_df)> |
>
>
Wyjście:
Wybieranie tych wierszy ramki danych Pandas, których wartość kolumny jest obecna na liście za pomocą Ty() metoda ramki danych.
Przykład 1: Wybranie wszystkich wierszy z danej ramki danych, w której na liście opcji znajduje się „Stream” za pomocą [ ] .
Python3
options>=> [>'Science'>,>'Commerce'>]> > # selecting rows based on condition> rslt_df>=> dataframe[dataframe[>'Stream'>].isin(options)]> > print>(>'
Result dataframe :
'>,> >rslt_df)> |
>
>
Wyjście:
Przykład 2: Wybranie wszystkich wierszy z danej ramki danych, w której na liście opcji znajduje się „Stream” za pomocą miejsce [ ] .
Pyton
options>=> [>'Science'>,>'Commerce'>]> > # selecting rows based on condition> rslt_df>=> dataframe.loc[dataframe[>'Stream'>].isin(options)]> > print>(>'
Result dataframe :
'>,> >rslt_df)> |
>
>
Wyjście:
Wybieranie wierszy ramki danych Pandas na podstawie warunków wielu kolumn za pomocą operatora „&”.
Przykład 1: Wybranie wszystkich wierszy z danej ramki danych, w których „Wiek” wynosi 22, a na liście opcji znajduje się „Strumień” za pomocą [ ] .
Python3
options>=> [>'Commerce'> ,>'Science'>]> > # selecting rows based on condition> rslt_df>=> dataframe[(dataframe[>'Age'>]>=>=> 22>) &> >dataframe[>'Stream'>].isin(options)]> > print>(>'
Result dataframe :
'>,> >rslt_df)> |
>
>
Wyjście:
Przykład 2: Wybranie wszystkich wierszy z danej ramki danych, w których „Wiek” wynosi 22, a na liście opcji znajduje się „Strumień” za pomocą miejsce [ ] .
Python3
wyłączenie trybu programisty
options>=> [>'Commerce'>,>'Science'>]> > # selecting rows based on condition> rslt_df>=> dataframe.loc[(dataframe[>'Age'>]>=>=> 22>) &> >dataframe[>'Stream'>].isin(options)]> > print>(>'
Result dataframe :
'>,> >rslt_df)> |
>
>
Wyjście: