Отбор необходимых данных по условиям в Pandas

• 11.11.2023
• 1240
• Библиотеки Python
• Pandas

Фильтрация данных — ключевой этап в процессе обработки и анализа данных. С помощью библиотеки Pandas можно легко отфильтровать данные, используя условные операторы или метод query(). Давайте подробно рассмотрим эти методы на примерах.

Основы фильтрации с условными операторами

Для начала создадим простой DataFrame:

import pandas as pd

data = {
    'Name': ['Anna', 'Mike', 'Lucy', 'John', 'Jack'],
    'Age': [25, 21, 23, 29, 20],
    'Salary': [50000, 55000, 52000, 60000, 49000]
}

df = pd.DataFrame(data)

Чтобы отфильтровать людей старше 24 лет:

filtered_df = df[df['Age'] > 24]
print(filtered_df)

#    Name  Age  Salary
# 0  Anna   25   50000
# 3  John   29   60000

Использование нескольких условий

Для комбинации условий используйте & (и), | (или) и ~ (не):

# Люди старше 24 лет и зарплата больше 52000
filtered_df = df[(df['Age'] > 24) & (df['Salary'] > 52000)]
print(filtered_df)

#    Name  Age  Salary
# 3  John   29   60000

Метод query()

Если вы предпочитаете более читаемый синтаксис или работаете с большим количеством условий, query() может быть удобным вариантом:

filtered_df = df.query("Age > 24 and Salary > 52000")
print(filtered_df)

#    Name  Age  Salary
# 3  John   29   60000

Использование переменных в query()

Для использования переменных в запросе, используйте символ @:

min_age = 24
filtered_df = df.query("Age > @min_age")
print(filtered_df)

#    Name  Age  Salary
# 0  Anna   25   50000
# 3  John   29   60000

Фильтрация с использованием списков

Допустим, у вас есть список имен, и вы хотите отфильтровать только те строки, которые содержат эти имена:

names_list = ['Anna', 'John']
filtered_df = df[df['Name'].isin(names_list)]
print(filtered_df)

#    Name  Age  Salary
# 0  Anna   25   50000
# 3  John   29   60000

Фильтрация с пропущенными значениями

Для фильтрации строк с пропущенными значениями или без них используйте методы isna() и notna():

df['Bonus'] = [None, 1000, None, 1500, None]
# Фильтрация строк с пропущенными бонусами
no_bonus_df = df[df['Bonus'].isna()]
print(no_bonus_df)

#    Name  Age  Salary  Bonus
# 0  Anna   25   50000    NaN
# 2  Lucy   23   52000    NaN
# 4  Jack   20   49000    NaN

Фильтрация с помощью строковых методов

Pandas предоставляет ряд строковых методов, которые могут быть полезны при фильтрации:

# Фильтрация имен, начинающихся на 'A'
filtered_df = df[df['Name'].str.startswith('A')]
print(filtered_df)

#    Name  Age  Salary
# 0  Anna   25   50000

Фильтрация по регулярным выражениям

Pandas также позволяет использовать регулярные выражения для фильтрации строковых данных. Это особенно полезно, когда у вас есть сложные условия для текстовых данных.

# Отфильтровать имена, содержащие буквенное сочетание "nn"
filtered_df = df[df['Name'].str.contains('nn', regex=True, na=False)]
print(filtered_df)

#    Name  Age  Salary
# 0  Anna   25   50000

Фильтрация с помощью пользовательских функций

Вы можете использовать apply() вместе с пользовательскими функциями для более сложной фильтрации:

def custom_filter(row):
    return row['Age'] > 20 and 'a' in row['Name']

filtered_df = df[df.apply(custom_filter, axis=1)]
print(filtered_df)

#    Name  Age  Salary
# 0  Anna   25   50000

Фильтрация с помощью between

Метод between() позволяет легко фильтровать данные, которые находятся в определенном диапазоне:

# Отфильтровать строки, где возраст между 21 и 25 (включительно)
filtered_df = df[df['Age'].between(21, 25)]
print(filtered_df)

#    Name  Age  Salary
# 0  Anna   25   50000
# 1  Mike   21   55000
# 2  Lucy   23   52000

Использование eval() для фильтрации

Метод eval() позволяет быстро оценивать выражения, используя строковый синтаксис:

filtered_df = df[df.eval("Age > 24 and Salary > 52000")]
print(filtered_df)

#    Name  Age  Salary
# 3  John   29   60000

Сортировка после фильтрации

Часто после фильтрации может потребоваться сортировка:

filtered_sorted_df = df[df['Age'] > 24].sort_values(by='Salary', ascending=False)
print(filtered_sorted_df)

#    Name  Age  Salary
# 3  John   29   60000
# 0  Anna   25   50000

Заключение

При работе с данными в Pandas важно знать различные методы фильтрации, чтобы быстро и эффективно отбирать необходимую информацию. Надеюсь, представленные примеры помогут вам в вашей работе с данными.