Menu
Coddy logo textTech

Filtrar Dados

Lição 9 de 19 do curso Análise com Pandas da Coddy.

O Pandas nos permite filtrar linhas com base em uma condição específica. Para filtrar linhas, escreva a condição dentro de colchetes:

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

Para combinar múltiplas condições, use a palavra-chave & (e) e a palavra-chave | (ou). Cada condição deve estar entre parênteses ():

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

A palavra-chave not (não) é ~ (não maior que 5):

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

Para recuperar todos os valores não vazios de uma coluna específica:

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

Para verificar se um valor está em um array:

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

 

challenge icon

Desafio

Fácil

O arquivo CSV stats.csv contém informações sobre estatísticas.

Aqui estão as primeiras 5 linhas do arquivo:

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

Recupere apenas as linhas que correspondam aos seguintes critérios:

  • SKILL_POINTS é maior que 7.
  • UTILIZATION é menor ou igual a 0.7 ou maior que 0.95.
  • IS_VALID é igual a um.
  • CATEGORY é um dos seguintes: JAPE, PLQR, e GHUP

Armazene o resultado final na variável df.

Experimente você mesmo

# pandas como pd já está importado
df = pd.read_csv("./stats.csv")
# Escreva seu código abaixo

Todas as lições de Análise com Pandas