Comment le chaînage des opérateurs de Pandas peut-il améliorer l'efficacité du filtrage des lignes ?

Pandas : filtrage efficace des lignes à l'aide du chaînage d'opérateurs

L'un des principaux avantages de pandas réside dans ses capacités de chaînage d'opérateurs, qui permettent une exécution transparente de plusieurs opérations. Cependant, la méthode traditionnelle de filtrage des lignes, c'est-à-dire l'utilisation de l'indexation par parenthèses (par exemple, df[df['column'] == value]), nécessite l'affectation du DataFrame à une variable. Cela peut être gênant et conduire à une redondance du code.

Heureusement, il existe un moyen plus efficace d'enchaîner les opérations de filtrage à l'aide de l'index booléen. En utilisant des opérateurs logiques (&, |, ^), plusieurs critères peuvent être enchaînés pour obtenir un filtrage sélectif des lignes.

df_filtered = df[(df.A == 1) & (df.D == 6)]

Dans cet exemple, les lignes pour lesquelles la valeur de la colonne « A » est égale à 1 et la la valeur de la colonne « D » égale à 6 est extraite.

Pour les utilisateurs qui préfèrent le chaînage de méthodes, il est possible d'implémenter une méthode de masque personnalisée qui facilite le filtrage des lignes. En définissant la méthode et en l'attribuant à la classe DataFrame, les opérations de filtrage peuvent être enchaînées de manière transparente après tout appel de méthode.

def mask(df, key, value):
    return df[df[key] == value]

pandas.DataFrame.mask = mask

df.mask('A', 1).mask('D', 6)

Cette méthode de masque personnalisée permet des opérations de filtrage concises et enchaînées, offrant une efficacité et une lisibilité du code améliorées. .

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!