Cara Menapis DataFrames dan Siri Pandas Menggunakan Pelbagai Kriteria dengan Cekap

Menggunakan Berbilang Penapis dengan Cekap pada Bingkai Data dan Siri Pandas

Apabila bekerja dengan data dalam Pandas, selalunya perlu menapis berdasarkan berbilang kriteria. Walaupun pendekatan tradisional melibatkan rantaian beberapa operasi indeks semula(), teknik ini mencipta objek baharu dan menyalin data, mengakibatkan ketidakcekapan.

Pendekatan alternatif ialah menggunakan pengindeksan boolean, yang jauh lebih cekap. Pandas membenarkan pengindeksan boolean, membolehkan subset langsung data berdasarkan penilaian Benar/Salah.

<code class="python">df.loc[df['col1'] >= 1, 'col1']</code>

Teknik ini mengelakkan penciptaan objek baharu dan penyalinan yang tidak perlu, menyediakan cara menapis data yang lebih cekap.

Untuk meningkatkan lagi kecekapan, seseorang boleh menulis fungsi pembantu untuk tujuan ini:

<code class="python">def b(x, col, op, n): 
     return op(x[col],n)

def f(x, *b):
     return x[(np.logical_and(*b))]</code>

Dengan fungsi pembantu ini, penggunaan berbilang penapis menjadi mudah:

<code class="python">b1 = b(df, 'col1', ge, 1)
b2 = b(df, 'col1', le, 1)
f(df, b1, b2)</code>

Untuk versi Pandas 0.13 dan ke atas, kaedah pertanyaan khusus menyediakan cara yang lebih cekap untuk menggunakan berbilang penapis, memanfaatkan numexpr untuk pengoptimuman:

<code class="python">df.query('col1 <= 1 & 1 <= col1')</code>

Atas ialah kandungan terperinci Cara Menapis DataFrames dan Siri Pandas Menggunakan Pelbagai Kriteria dengan Cekap. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!