Menu
CoddyTech

Memfilter Data

Pelajaran 9 dari 19 dalam kursus Analisis Pandas di Coddy.

Pandas memungkinkan kita memfilter baris berdasarkan kondisi tertentu. Untuk memfilter baris, tulis kondisi di dalam tanda kurung siku:

filtered_df = df[df["number_column"] > 5]
filtered_df = df[df["string_column"] == "String Match"]

Untuk menggabungkan beberapa kondisi, gunakan kata kunci & (and) dan | (or). Setiap kondisi harus berada di dalam tanda kurung ():

filtered_df = df[(df['number_column'] >= 3) & (df['string_column'] == 'String Match')]

Kata kunci not adalah ~ (tidak lebih besar dari 5):

filtered_df = df[~df["number_column"] > 5]

Untuk mengambil semua nilai yang tidak kosong dari kolom tertentu:

filtered_df = df[~df["column"].isna()]

Untuk memeriksa apakah suatu nilai ada di dalam array:

filtered_df = df[df['column'].isin(['value1', 'value2', 'value3'])]

 

challenge icon

Tantangan

Mudah

File CSV stats.csv berisi informasi tentang statistik.

Berikut 5 baris pertama file tersebut:

ID,COUNTRY,COLOR,SKILL,SKILL_POINTS,UTILIZATION,IS_VALID,CATEGORY
1,France,Signal violet,marksmanship,14,0.1924,1,SHOW
2,Solomon Islands,Pearl violet,crocheting,4,0.6108,1,TREE
3,Germany,Bottle green,calligraphy,12,0.88646,0,SHOW
4,Mauritania,Fawn brown,paper cutting,9,0.058,1,JAPE

Ambil hanya baris yang memenuhi kriteria berikut:

  • SKILL_POINTS lebih besar dari 7.
  • UTILIZATION kurang dari atau sama dengan 0.7 atau lebih besar dari 0.95.
  • IS_VALID sama dengan satu.
  • CATEGORY adalah salah satu dari yang berikut: JAPE, PLQR, dan GHUP

Simpan hasil akhirnya dalam variabel df.

Coba sendiri

# pandas as pd sudah diimpor
df = pd.read_csv("./stats.csv")
# Tulis kodemu di bawah ini

Semua pelajaran di Analisis Pandas

Latihan sendiri: Compiler Python online