🔍 Как отфильтровать список в Python Pandas: простой способ для начинающих

Вот примеры кода для фильтрации списка в Pandas с использованием Python:

1. Фильтрация с помощью условия:

import pandas as pd

# Создание DataFrame
data = {'Имя': ['Алексей', 'Мария', 'Иван', 'Екатерина'],
        'Возраст': [25, 32, 19, 27],
        'Город': ['Москва', 'Санкт-Петербург', 'Москва', 'Казань']}

df = pd.DataFrame(data)

# Фильтрация по условию
filtered_df = df[df['Возраст'] > 20]
print(filtered_df)

2. Фильтрация с помощью метода query:

import pandas as pd

# Создание DataFrame
data = {'Имя': ['Алексей', 'Мария', 'Иван', 'Екатерина'],
        'Возраст': [25, 32, 19, 27],
        'Город': ['Москва', 'Санкт-Петербург', 'Москва', 'Казань']}

df = pd.DataFrame(data)

# Фильтрация с помощью метода query
filtered_df = df.query('Возраст > 20')
print(filtered_df)

3. Фильтрация с использованием метода isin:

import pandas as pd

# Создание DataFrame
data = {'Имя': ['Алексей', 'Мария', 'Иван', 'Екатерина'],
        'Возраст': [25, 32, 19, 27],
        'Город': ['Москва', 'Санкт-Петербург', 'Москва', 'Казань']}

df = pd.DataFrame(data)

# Фильтрация с помощью метода isin
ages = [25, 27]
filtered_df = df[df['Возраст'].isin(ages)]
print(filtered_df)

Как отфильтровать список в Python Pandas

Python Pandas - это библиотека для анализа и обработки данных, которая предоставляет удобные инструменты для работы с таблицами и списками данных. В этой статье я подробно расскажу, как отфильтровать список в Python Pandas с использованием различных методов и операторов.

Метод loc()

Метод loc() - это один из наиболее часто используемых методов для фильтрации списка в Pandas. Он позволяет выбирать определенные строки и столбцы на основе условий. Вот пример:

import pandas as pd
    
# Создаем список данных
data = {'Имя': ['Алексей', 'Мария', 'Иван', 'Елена'],
        'Возраст': [25, 30, 35, 40],
        'Зарплата': [50000, 60000, 70000, 80000]}
df = pd.DataFrame(data)
    
# Фильтруем список, выбирая только строки, где возраст больше 30
filtered_df = df.loc[df['Возраст'] > 30]
print(filtered_df)
    

В данном примере мы создали список данных, содержащий имена, возраст и зарплату. Затем мы использовали метод loc() для фильтрации списка, выбирая только строки, где возраст больше 30. Результат будет содержать только строки, где возраст равен 35 и 40.

Метод query()

Метод query() - это еще один удобный способ фильтрации списка в Pandas. Он позволяет выполнять запросы с использованием выражений, похожих на SQL. Вот пример:

# Фильтруем список, выбирая только строки, где зарплата больше 60000
filtered_df = df.query('Зарплата > 60000')
print(filtered_df)
    

В этом примере мы использовали метод query() для фильтрации списка, выбирая только строки, где зарплата больше 60000. Результат будет содержать только строки, где зарплата равна 70000 и 80000.

Операторы сравнения

Кроме методов loc() и query(), вы также можете использовать различные операторы сравнения для фильтрации списка в Pandas. Например:

# Фильтруем список, выбирая только строки, где возраст меньше или равен 30
filtered_df = df[df['Возраст'] <= 30]
print(filtered_df)
    

В этом примере мы использовали оператор сравнения '<=' для фильтрации списка, выбирая только строки, где возраст меньше или равен 30. Результат будет содержать только строки, где возраст равен 25 и 30.

Множественные условия

Чтобы применить множественные условия при фильтрации списка, вы можете использовать логические операторы & (и) и | (или). Вот пример:

# Фильтруем список, выбирая только строки, где возраст больше 30 и зарплата меньше 80000
filtered_df = df[(df['Возраст'] > 30) & (df['Зарплата'] < 80000)]
print(filtered_df)
    

В этом примере мы использовали логический оператор & для фильтрации списка, выбирая только строки, где возраст больше 30 и зарплата меньше 80000. Результат будет содержать только строку, где возраст равен 35 и зарплата равна 70000.

Итоги

В этой статье мы рассмотрели несколько методов и операторов для фильтрации списка в Python Pandas. Вы можете использовать метод loc() и query() для более гибкого и выразительного кода, а также операторы сравнения и логические операторы для простых фильтраций. Применение этих методов и операторов поможет вам легко и эффективно фильтровать списки данных в Pandas.