Lọc hàng trong DataFrame pandas
Chỉ giữ những hàng cần thiết bằng một điều kiện, kết hợp nhiều điều kiện, hoặc dùng query() cho dễ đọc.
- Mặt nạ boolean trên một cột
- Kết hợp điều kiện bằng & và |
- df.query() và isin()
Ada 95True → giữ lạiLin 88False → loại bỏSam 91True → giữ lạiMột cột True / False chọn ra các hàng
Vấn đề
Phân tích thường bắt đầu bằng việc thu hẹp dữ liệu: chỉ đơn hàng năm nay, chỉ học sinh trên 90 điểm, chỉ các giao dịch thất bại. Lặp qua từng hàng để tìm vừa chậm vừa dài dòng; pandas lọc cả bảng chỉ với một điều kiện.
Hình dung đời thường
Lọc hàng giống thầy cô dùng bút dạ quang lướt dọc cột điểm, tô mọi hàng từ 90 trở lên, rồi chỉ photo những hàng đã được tô.
students["score"] >= 90🖍️ Tô các hàng từ 90 điểm trở lên[True, False, True, False]📌 Những hàng nào được tôstudents[...]📠 Chỉ photo các hàng đã tôhigh_scores📋 Ada và Sam, giữ nguyên nhãn hàng ban đầuLọc DataFrame là dùng một Series đúng/sai (boolean), mỗi hàng một giá trị True hoặc False, để chỉ giữ những hàng có điều kiện là True.
Những điểm quan trọng
students["score"] >= 90cho ra True hoặc False với từng hàng.students[...]với điều kiện đó chỉ giữ các hàng True.high_scoresgiữ nguyên nhãn hàng ban đầu 0 và 2.- Bản thân
studentskhông thay đổi.
Khi nào nên sử dụng?
- Chọn những hàng quan trọng trước khi đếm, tính trung bình hay vẽ biểu đồ.
- Tìm vấn đề: giá trị thiếu, số tiền âm, bài kiểm thử thất bại.
- Tách dữ liệu thành các nhóm để so sánh.
Khi nào chưa cần
- Quy tắc rất phức tạp: tạo mặt nạ có tên theo từng bước, hoặc dùng
query()cho dễ đọc. - Tính tổng hợp theo nhóm: dùng
groupbythay vì tự lọc từng nhóm.
Code ví dụ
import pandas as pd
students = pd.DataFrame({
"name": ["Ada", "Lin", "Sam", "Mia"],
"score": [95, 78, 91, 84],
})
high_scores = students[students["score"] >= 90]
print(high_scores)
Kết quả khi chạy
name score
0 Ada 95
2 Sam 91
Giải thích code
Biểu thức students["score"] >= 90 tạo ra một Series gồm True và False tương ứng với từng hàng. Khi đặt Series này trong cặp ngoặc vuông students[...], pandas chỉ giữ lại các hàng có giá trị True, nên kết quả gồm Ada và Sam. Lưu ý chỉ số gốc (0 và 2) vẫn được giữ nguyên.
Thay đổi giá trị và chạy chương trình bằng trình chạy Python online của CodeUtility mà không cần cài Python.
Bài tập mở rộng
Hãy thử chỉnh sửa code theo các gợi ý dưới đây. Tự thay đổi và quan sát kết quả sẽ giúp bạn hiểu bài sâu hơn nhiều so với chỉ đọc code.
- Thêm dòng, cột và một vài giá trị bị thiếu vào dữ liệu mẫu.
- Kết hợp lọc, sắp xếp và groupby để tạo một báo cáo nhỏ.
- Đọc một file dữ liệu thật, kiểm tra kiểu dữ liệu của từng cột và xử lý các giá trị không hợp lệ.
Lỗi hay gặp
Kết hợp điều kiện bằng and
and không dùng được với Series; dùng & và đặt mỗi điều kiện trong ngoặc.
students[students["score"] >= 80 and students["score"] < 90]
students[(students["score"] >= 80) & (students["score"] < 90)]
Bạn học xong bài này chưa?
Đánh dấu đã học để theo dõi tiến độ của bạn.
Luyện tập với thử thách
Áp dụng kiến thức của bài học này để giải một bài toán thực tế. Mỗi thử thách chạy ngay trên trình duyệt, có kiểm thử tức thì và AI nhận xét.
Tất cả thử thách