<\/p>\n
Sie k\u00f6nnen die folgenden Methoden verwenden, um Zeilen in einem Pandas-DataFrame basierend auf booleschen Spaltenwerten zu filtern:<\/span><\/p>\n Methode 1: Filtern Sie den DataFrame basierend auf einer booleschen Spalte<\/strong><\/span><\/p>\n Methode 2: Filtern Sie den DataFrame basierend auf mehreren booleschen Spalten<\/strong><\/span><\/p>\n Die folgenden Beispiele zeigen, wie jede Methode in der Praxis mit dem folgenden Pandas DataFrame verwendet wird:<\/span><\/p>\n Wir k\u00f6nnen die folgende Syntax verwenden, um den Pandas-DataFrame so zu filtern, dass er nur Zeilen enth\u00e4lt, in denen der Wert in der Spalte \u201eall_star<\/strong> \u201c \u201eTrue\u201c ist:<\/span><\/p>\n Beachten Sie, dass der DataFrame so gefiltert wurde, dass er nur Zeilen enth\u00e4lt, deren Wert in der Spalte all_star<\/strong> True ist.<\/span><\/p>\n Wenn Sie stattdessen Zeilen filtern m\u00f6chten, in denen all_star<\/strong> False ist, geben Sie einfach eine Tilde ( ~<\/strong> ) vor dem Spaltennamen ein:<\/span><\/p>\n Der DataFrame wurde nun so gefiltert, dass er nur Zeilen enth\u00e4lt, deren Wert in der Spalte all_star<\/strong> False ist.<\/span><\/p>\n Wir k\u00f6nnen die folgende Syntax verwenden, um den Pandas-DataFrame so zu filtern, dass er nur Zeilen enth\u00e4lt, in denen der Wert der Spalte \u201eall_star<\/strong> \u201c oder<\/em> der Startspalte<\/strong> \u201eTrue\u201c ist:<\/span><\/p>\n Beachten Sie, dass der DataFrame so gefiltert wurde, dass er nur Zeilen enth\u00e4lt, deren Wert in der Spalte \u201eall_star\u201c<\/strong> oder<\/em> \u201estarter\u201c<\/strong> \u201eTrue\u201c ist.<\/span><\/p>\n Wenn Sie Zeilen filtern m\u00f6chten, deren Wert in den<\/em> Spalten all_star<\/strong> und starter<\/strong> True ist, k\u00f6nnen Sie den Operator &<\/strong> anstelle von |<\/strong> verwenden Operator:<\/span><\/p>\n Jetzt wurde der DataFrame so gefiltert, dass er nur Zeilen enth\u00e4lt, in denen der Wert in den Spalten \u201eall_star\u201c<\/strong> und<\/i> \u201estarter\u201c<\/strong> \u201eTrue\u201c ist.<\/span><\/p>\n Verwandt:<\/strong> Der Unterschied zwischen loc und iloc bei Pandas<\/a><\/span><\/p>\n In den folgenden Tutorials wird erl\u00e4utert, wie andere h\u00e4ufige Aufgaben in Pandas ausgef\u00fchrt werden:<\/span><\/p>\n Pandas: W\u00e4hlen Sie Zeilen aus DataFrame mithilfe einer booleschen Reihe aus<\/a> Sie k\u00f6nnen die folgenden Methoden verwenden, um Zeilen in einem Pandas-DataFrame basierend auf booleschen Spaltenwerten zu filtern: Methode 1: Filtern Sie den DataFrame basierend auf einer booleschen Spalte #filter for rows where value in ‚my_column‘ is True df. loc [df. my_column ] Methode 2: Filtern Sie den DataFrame basierend auf mehreren booleschen Spalten #filter for […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #filter for rows where value in 'my_column' is True\n<\/span>df. loc<\/span> [df. my_column<\/span> ]\n<\/strong><\/pre>\n #filter for rows where value in 'column1' or<\/em> 'column2' is True\n<\/span>df. loc<\/span> [df. column1<\/span> |<\/span> df. column2<\/span> ]<\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['A', 'B', 'C', 'D', 'E', 'F', 'G'],\n ' points<\/span> ': [18,20, 25, 40, 34, 32, 19],\n ' all_star<\/span> ': [True, False, True, True, True, False, False],\n ' starter<\/span> ': [False, True, True, True, False, False, False]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points all_star starter\n0 A 18 True False\n1 B 20 False True\n2 C 25 True True\n3 D 40 True True\n4 E 34 True False\n5 F 32 False False\n6 G 19 False False\n<\/strong><\/pre>\n Beispiel 1: Filtern Sie den DataFrame basierend auf einer booleschen Spalte<\/strong><\/span><\/h2>\n
#filter for rows where 'all_star' is True\n<\/span>df. loc<\/span> [df. all_star<\/span> ]\n\n\tteam points all_star starter\n0 A 18 True False\n2 C 25 True True\n3 D 40 True True\n4 E 34 True False\n<\/strong><\/pre>\n #filter for rows where 'all_star' is False\n<\/span>df. loc<\/span> [ ~<\/span> df. all_star<\/span> ]\n\n team points all_star starter\n1 B 20 False True\n5 F 32 False False\n6 G 19 False False\n<\/strong><\/pre>\n Beispiel 2: Filtern Sie den DataFrame basierend auf mehreren booleschen Spalten<\/strong><\/span><\/h2>\n
#filter for rows where 'all_star' or<\/em> 'starter' is True\n<\/span>df. loc<\/span> [df. all_star<\/span> |<\/span> df. starter<\/span> ]\n\n team points all_star starter\n0 A 18 True False\n1 B 20 False True\n2 C 25 True True\n3 D 40 True True\n4 E 34 True False\n<\/strong><\/pre>\n #filter for rows where 'all_star' and<\/i> 'starter' is True\n<\/span>df. loc<\/span> [df. all_star<\/span> &<\/span> df. starter<\/span> ]\n\n\tteam points all_star starter\n2 C 25 True True\n3 D 40 True True\n<\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h2>\n
Pandas: So erstellen Sie eine boolesche Spalte basierend auf der Bedingung<\/a>
Pandas: So konvertieren Sie boolesche Werte in ganzzahlige Werte<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"