Dari pemula hingga mahir: kuasai kemahiran menggunakan is dan di mana pemilih
Pengenalan:
sedang melaksanakan pemprosesan dan analisis data Dalam proses itu, pemilih adalah alat yang sangat penting. Melalui pemilih, kami boleh mengekstrak data yang diperlukan daripada set data mengikut keadaan tertentu. Artikel ini akan memperkenalkan kemahiran penggunaan ialah dan tempat pemilih untuk membantu pembaca dengan cepat menguasai fungsi berkuasa kedua-dua pemilih ini.
1. Penggunaan ialah pemilih
Pemilih ialah pemilih asas yang membolehkan kami menapis set data berdasarkan syarat yang diberikan. Berikut ialah contoh penggunaan pemilih is:
import pandas as pd # 创建示例数据集 data = {'姓名': ['张三', '李四', '王五', '赵六'], '年龄': [18, 21, 22, 20], '性别': ['男', '女', '男', '女']} df = pd.DataFrame(data) # 使用is选择器 selected_data = df[df['年龄'] > 20] print(selected_data)
Hasil keluaran:
姓名 年龄 性别 1 李四 21 女 2 王五 22 男
Dalam contoh di atas, kami menggunakan pemilih is untuk memilih data dengan umur lebih daripada 20 penapis. Dapat dilihat bahawa hanya Li Si dan Wang Wu yang berumur lebih daripada 20 tahun, jadi keputusan akhir hanya mengandungi maklumat mereka.
2. Penggunaan pemilih tempat
Pemilih tempat ialah pemilih lain yang biasa digunakan, yang membolehkan kami menapis dan menggantikan set data berdasarkan syarat yang diberikan. Berikut ialah contoh penggunaan pemilih tempat:
import pandas as pd # 创建示例数据集 data = {'姓名': ['张三', '李四', '王五', '赵六'], '年龄': [18, 21, 22, 20], '性别': ['男', '女', '男', '女']} df = pd.DataFrame(data) # 使用where选择器 df.where(df['性别'] == '男', '未知', inplace=True) print(df)
Hasil keluaran:
姓名 年龄 性别 0 张三 18 男 1 未知 21 未知 2 王五 22 男 3 未知 20 未知
Dalam contoh di atas, kami menggunakan pemilih tempat untuk memilih data yang jantinanya adalah lelaki . Dapat dilihat bahawa data asal lelaki tidak berubah, tetapi data wanita telah diganti dengan 'tidak diketahui'. Antaranya, parameter inplace=True menunjukkan pengubahsuaian pada set data asal.
3 Kemahiran penggunaan lanjutan adalah dan di mana pemilih
Selain kaedah penggunaan asas di atas, adalah dan di mana pemilih juga mempunyai beberapa kemahiran penggunaan lanjutan untuk memenuhi keperluan yang lebih kompleks.
import pandas as pd # 创建示例数据集 data = {'姓名': ['张三', '李四', '王五', '赵六'], '年龄': [18, 21, 22, 20], '性别': ['男', '女', '男', '女']} df = pd.DataFrame(data) # 使用多条件筛选 selected_data = df[(df['年龄'] > 20) & (df['性别'] == '男')] print(selected_data)
Hasil keluaran:
姓名 年龄 性别 2 王五 22 男
Dalam contoh di atas, kami menggunakan penapisan berbilang keadaan untuk menapis umur yang lebih besar daripada 20 dan Data jantina untuk lelaki.
import pandas as pd # 创建示例数据集 data = {'姓名': ['张三', '李四', '王五', '赵六'], '年龄': [18, 21, 22, 20], '性别': ['男', '女', '男', '女']} df = pd.DataFrame(data) # 筛选字符串类型的列 string_columns = df.select_dtypes(include='object') print(string_columns)
Hasil keluaran:
姓名 性别 0 张三 男 1 李四 女 2 王五 男 3 赵六 女
Dalam contoh di atas, kami menggunakan fungsi select_dtypes untuk menapis lajur yang jenis datanya ialah rentetan.
Kesimpulan:
Melalui pengenalan artikel ini, kami telah mempelajari penggunaan asas pemilih is dan where, serta menguasai beberapa kemahiran penggunaan lanjutan. Pemilih adalah alat yang sangat diperlukan dalam pemprosesan dan analisis data Menguasai kemahiran ini akan meningkatkan kecekapan kerja kami dengan ketara. Saya berharap selepas mengkaji artikel ini, pembaca boleh menggunakan pemilih adalah dan tempat secara fleksibel untuk memproses dan menganalisis data dengan lebih baik.
Atas ialah kandungan terperinci Dari pemula hingga mahir: Kuasai kemahiran menggunakan adalah dan di mana pemilih. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!