Filtracja Danych w DataFrame w Pythonie z Użyciem Pandas

Szczegóły: Opublikowano: 23. November 2025

Analiza danych to proces przekształcania surowych informacji w użyteczne wnioski, który znajduje zastosowanie w niemal każdej dziedzinie. Python, dzięki swojej prostocie oraz bogatemu ekosystemowi bibliotek, stał się jednym z najpopularniejszych języków programowania wykorzystywanych do analizy danych.

Aby nie tracić godzin na chaotyczne próby, nauczysz się Pandas szybko i jasno. Skupiamy się na praktyce, która pozwala tworzyć nowoczesne raporty wspierające decyzje biznesowe. Dostajesz mnóstwo ćwiczeń, dzięki którym od razu utrwalisz wiedzę. Jeśli coś jest niejasne, możesz śmiało pytać. Nie wskazano szczególnych wymagań wstępnych. Ten kurs pokazuje, jak w prosty sposób wykorzystać bibliotekę Pandas do efektywnej analizy danych. Krok po kroku przejdziesz od wczytywania plików CSV i Excel, przez pracę z DataFrame’ami, filtrowanie, sortowanie i grupowanie, aż po dane czasowe oraz wizualizacje w matplotlib. Czekają na Ciebie liczne ćwiczenia i możliwość zadawania pytań.

Wprowadzenie do Pandas

W pracy z danymi w języku Python biblioteka pandas jest jednym z najczęściej używanych narzędzi. Pandas to swego rodzaju "swiss army knife" w zakresie analizy danych z wykorzystaniem Pythona. Biblioteka ta oferuje wszechstronny zakres funkcjonalności od wczytania danych z różnych rodzajów plików do pamięci poprzez przetwarzanie danych po ich wizualizację.

W niniejszym artykule omówimy, jak zacząć swoją przygodę z tą biblioteką, czyli jak wczytać dane do analizy i wykonać na tych danych kilka elementarnych operacji, jak np. filtrowanie.

Filtrowanie Danych w Pandas

Filtrowanie danych to jedna z najważniejszych operacji podczas pracy z analizą danych w bibliotece Pandas. Polega na selekcji określonych wierszy lub kolumn w zależności od zadanych kryteriów. W Pandas filtrowanie może przyjmować różne formy - od prostych porównań kolumn po wykorzystanie bardziej zaawansowanych funkcji i operatorów. Najczęściej do filtrowania wykorzystuje się operacje logiczne w połączeniu z indeksowaniem, np. przy użyciu nawiasów kwadratowych, funkcji loc[] lub iloc[].

Przeczytaj także: Definicja i pomiar filtracji kłębuszkowej

Znajomość technik filtrowania jest kluczowa dla efektywnej pracy z danymi - pozwala nie tylko na ich przeglądanie i eksplorację, ale także przygotowywanie do dalszych transformacji, agregacji czy wizualizacji. Umiejętne stosowanie filtrów znacząco zwiększa efektywność analizy danych i pozwala na lepsze zrozumienie badanego zbioru.

Filtrowanie Wierszy na Podstawie Warunków Logicznych

Filtrowanie danych w Pandas pozwala na selekcjonowanie tylko tych wierszy z DataFrame, które spełniają określone kryteria. Jednym z najczęściej stosowanych podejść jest wykorzystanie warunków logicznych - to technika, która umożliwia tworzenie masek logicznych (czyli tablic wartości True i False) na podstawie wartości w kolumnach.

Podstawowa zasada działania polega na stworzeniu wyrażenia logicznego, które porównuje wartości w kolumnie z określoną wartością. Wynik takiego porównania można bezpośrednio wykorzystać do filtrowania wierszy w obiekcie DataFrame. Możliwe jest też łączenie wielu warunków przy użyciu operatorów logicznych, takich jak & (AND), | (OR) czy ~ (NOT), co daje dużą elastyczność w definiowaniu bardziej złożonych kryteriów filtrowania.

Oto ogólna idea działania filtrowania:

Porównanie wartości kolumny do stałej lub innej kolumny (np. df['wiek'] > 30).
Tworzenie bardziej złożonych warunków z użyciem operatorów logicznych (np. (df['wiek'] > 30) & (df['płeć'] == 'K')).
Zastosowanie maski logicznej bezpośrednio do DataFrame w celu uzyskania przefiltrowanych danych (np. df[mask]).

Warto pamiętać, że warunki logiczne w Pandas muszą być konstruowane z uwzględnieniem odpowiednich operatorów bitowych, a ich składnia wymaga nawiasów wokół każdego warunku. Rezultatem zastosowania operatorów porównania jest seria wartości logicznych (True lub False), które można wykorzystać do filtrowania danych. Dzięki tym operatorom można łatwo wyodrębnić interesujące nas dane na podstawie wartości liczbowych, tekstowych czy dat. W bardziej złożonych przypadkach można je również łączyć z operatorami logicznymi, co pozwala tworzyć złożone warunki selekcji.

Przeczytaj także: Webber AP8400 - wymiana filtrów

Użycie loc[] i iloc[] do Filtrowania

W bibliotece Pandas funkcje loc[] i iloc[] służą do precyzyjnego wybierania danych z ramki danych (DataFrame) na podstawie etykiet lub pozycji. loc[] jest przydatne, gdy chcemy odwołać się do danych według ich nazw (np. nazw kolumn lub indeksów). iloc[] z kolei pozwala na wybór danych według ich pozycji liczbowej w ramce danych. Obie funkcje wspierają również bardziej zaawansowane operacje, takie jak wybieranie konkretnych kolumn, fragmentów wierszy czy stosowanie warunków logicznych.

loc[]: wybór na podstawie etykiet
iloc[]: wybór na podstawie pozycji

Znajomość różnic między loc[] a iloc[] pozwala na bardziej elastyczne i wydajne filtrowanie danych w Pandas.

Filtrowanie Danych Tekstowych

W pracy z danymi tekstowymi w Pandas często zachodzi potrzeba selekcji wierszy na podstawie wartości typu string. Filtrowanie tekstowe to istotna część analizy danych, szczególnie w przypadku danych nieustrukturyzowanych lub zawierających opisy, kategorie czy identyfikatory alfanumeryczne.

Obsługa Brakujących Danych (NaN)

Podczas pracy z danymi w Pandas często napotykamy na wartości null lub brakujące, czyli takie, które nie zostały dostarczone, są puste albo z jakiegoś powodu nie mogły zostać poprawnie zaimportowane. W Pandas brakujące dane są zazwyczaj oznaczane jako NaN (ang. Not a Number). Skuteczne filtrowanie danych wymaga umiejętnego rozpoznawania i obsługi takich wartości.

Rozpoznanie i odpowiednia reakcja na obecność brakujących danych stanowi kluczowy krok w procesie filtrowania, ponieważ nieprzefiltrowane wartości NaN mogą prowadzić do błędnych wniosków lub błędów wykonania. Innym podejściem jest usuwanie lub uzupełnianie brakujących wartości.

Przeczytaj także: Optymalne rozcieńczenie bimbru

Przykłady Filtrowania

Filtrowanie danych w bibliotece Pandas to jedna z najczęściej wykorzystywanych operacji w analizie danych. Pozwala wyodrębnić interesujące nas fragmenty zbioru danych na podstawie określonych warunków.

Filtrowanie na podstawie kategorii - np. wybór wszystkich klientów z określonego miasta.
Ekstrakcja danych tekstowych - np. wyszukanie wszystkich produktów zawierających słowo "eko" w nazwie.
Filtrowanie warunkowe złożone - łączenie wielu warunków logicznych (np. wiek powyżej 30 lat i zarobki powyżej średniej).

Podsumowanie i Dobre Praktyki

Filtrowanie danych w Pandas to jedna z najważniejszych umiejętności w analizie danych. Pozwala na szybkie wyodrębnienie interesujących nas informacji, co jest kluczowe w procesie eksploracji i przygotowywania danych do dalszej analizy. Najczęściej używane metody filtrowania to stosowanie warunków logicznych, wykorzystanie indeksowania za pomocą loc[] oraz iloc[], a także operacje na wartościach tekstowych i obsługa brakujących danych. Każde z tych podejść znajduje zastosowanie w innych kontekstach: od prostych selekcji po złożone operacje na dużych zbiorach danych.

Podczas pracy z filtrowaniem warto pamiętać o kilku dobrych praktykach:

Zwracaj uwagę na typy danych - niepoprawne porównania mogą prowadzić do błędnych wyników.
Unikaj bezpośredniej modyfikacji oryginalnych danych - zamiast tego pracuj na kopiach, aby łatwiej cofnąć zmiany.
Używaj wyraźnych i czytelnych warunków - poprawia to zrozumiałość kodu i ułatwia jego konserwację.
Testuj filtrowanie na mniejszych fragmentach danych - umożliwia to szybsze wykrycie ewentualnych błędów.

Dobre zarządzanie filtrowaniem pozwala na skuteczne zawężenie danych i skupienie się na tym, co istotne. To podstawowy krok do przejrzystej i efektywnej analizy danych.

tags: #filtracja #danych #data #frame #python