Hej tamo! Kao dobavljač filtera, često me pitaju o različitim tehnikama filtriranja, a jedno područje koje se često pojavljuje je kako filtrirati seriju pandi. Pandas je nevjerovatna Python biblioteka za manipulaciju i analizu podataka, a Serija je jedna od njenih osnovnih struktura podataka. Dakle, hajde da zaronimo u to kako možete efikasno filtrirati seriju pandi.
Šta je serija Pandas?
Prije nego što počnemo s filtriranjem, hajde da brzo prođemo kroz šta je serija pande. Serija je poput jednodimenzionalnog označenog niza. Može sadržavati podatke bilo kojeg tipa (npr. cijeli brojevi, nizovi, brojevi s pomičnim zarezom) i ima indeks koji označava svaki element. Možete ga zamisliti kao jednu kolonu u tabeli, gdje svaka ćelija ima jedinstvenu oznaku.
Evo jednostavnog primjera stvaranja serije pandi:
uvezi pande kao pd podaci = [10, 20, 30, 40, 50] indeks = ['a', 'b', 'c', 'd', 'e'] serija = pd.Series(podaci, indeks = indeks) print(serija)Ovaj kod kreira seriju sa pet elemenata, svaki označen slovom od 'a' do 'e'.
Filtriranje serije Pandas
Postoji nekoliko načina za filtriranje serije pandi, a ja ću vas provesti kroz neke od najčešćih.
Filtriranje po uvjetu
Jedan od najjednostavnijih načina filtriranja serije je korištenje booleovog uvjeta. Na primjer, recimo da želite da dobijete sve elemente u nizu koji su veći od 20.
filtrirana_serija = serija[serija > 20] print(filtrirana_serija)u ovom kodu,serija > 20kreira logički niz u kojem se nalazi svaki elementIstinaako je odgovarajući element u originalnoj seriji veći od 20, iFalseinače. Zatim koristimo ovu logičku seriju za indeksiranje originalne serije, koja vraća samo elemente u kojima je logička vrijednostIstina.
Filtriranje po indeksu
Također možete filtrirati seriju prema njenom indeksu. Pretpostavimo da želite samo elemente sa indeksima 'b' i 'd'.
selected_indexes = ['b', 'd'] filtered_by_index = serija[selected_indexes] print(filtered_by_index)Ovaj kod kreira novu seriju koja sadrži samo elemente sa navedenim indeksima.
KoristećiViMetoda
TheViMetoda je korisna kada želite da filtrirate seriju na osnovu liste vrednosti. Na primjer, ako želite da dobijete sve elemente u seriji koji su ili 20 ili 40.
vrijednosti = [20, 40] filtered_isin = serija[series.isin(values)] print(filtered_isin)TheVimetoda provjerava da li je svaki element u seriji na datoj listi vrijednosti i vraća logički niz, koji zatim koristimo za indeksiranje originalnog niza.
Zašto je filtriranje važno u analizi podataka
Filtriranje serije panda je ključno u analizi podataka iz nekoliko razloga. Prvo, pomaže vam da očistite svoje podatke. Možete ukloniti odstupanja ili netačne vrijednosti postavljanjem odgovarajućih uslova filtriranja. Drugo, omogućava vam da se fokusirate na specifične podskupove podataka koji su relevantni za vašu analizu. Na primjer, ako analizirate podatke o prodaji, možda biste željeli filtrirati svu prodaju iz određenog regiona ili vremenskog perioda.
Real - World Applications
Recimo da ste analitičar podataka koji radi za kompaniju za e-trgovinu. Imate pandas seriju koja sadrži cijene svih proizvoda u trgovini. Možda biste željeli filtrirati ovu seriju kako biste pronašli sve proizvode koji su na rasprodaji (tj. njihova cijena je ispod određenog praga). Ove informacije se mogu koristiti za kreiranje marketinških kampanja ili za analizu profitabilnosti prodajnih artikala.
Naši filterski proizvodi
Kao dobavljač filtera, nudimo širok asortiman visokokvalitetnih filtera za različite industrijske primjene. NašY - tip filteraje popularan izbor za uklanjanje čvrstih čestica iz tokova tekućine ili plina. Lako se instalira i održava, što ga čini pogodnim za mnoge različite industrije.
Još jedan odličan proizvod koji imamo jeSight Glass. Omogućava vam da vizuelno pregledate protok tečnosti u cevovodu, što je neophodno za osiguravanje pravilnog rada vašeg sistema za filtriranje.
A ako tražite filter drugačijeg dizajna, našFilter tipa Tmožda je pravi izbor. Ima jedinstvenu strukturu u obliku slova T koja osigurava efikasnu filtraciju i često se koristi u aplikacijama gdje je prostor ograničen.
Kontaktirajte nas za vaše potrebe filtera
Ako ste zainteresirani za naše proizvode za filtriranje ili imate bilo kakva pitanja o tehnikama filtriranja, bilo da se radi o analizi podataka ili industrijskim aplikacijama, ne ustručavajte se kontaktirati. Tu smo da vam pomognemo da pronađete najbolja rješenja za vaše specifične zahtjeve. Bilo da vam je potreban mali filter za laboratorijsku postavku ili sistem za filtriranje velikog obima za industrijsko postrojenje, mi ćemo vas pokriti.
Reference
McKinney, W. (2012). Python za analizu podataka: prepirka podataka sa Pandas, NumPy i IPython. O'Reilly Media.
