Data Science Academy · Pelajaran

query dan isin untuk Filter yang Rapi

Pemfilteran yang mudah dibaca untuk banyak nilai

Pelajaran 4 dari 413 langkah

query dan isin untuk Filter yang Rapi adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.

Menuju Filter yang Lebih Rapi

Rangkaian ampersan yang panjang sulit dibaca. Dua alat, query dan isin, membuat pemfilteran kompleks jauh lebih nyaman. ✨

Memfilter dengan String

Metode query memungkinkan Anda menjelaskan filter sebagai teks biasa, sehingga Anda tidak perlu mengulang nama df dan tanda kurung siku.

df.query("age > 30")

query Menggunakan and atau or Biasa

Di dalam query, Anda menulis kata alami seperti and dan or, bukan simbol yang diperlukan dalam pemfilteran dengan tanda kurung siku.

df.query("age > 30 and city == 'Paris'")

Merujuk Variabel Python

Masukkan nilai dari luar ke dalam string query dengan menambahkan tanda @ di depannya. Dengan demikian, batas nilai tetap berada di luar teks literal.

limit = 30
df.query("age > @limit")

Membandingkan Dua Kolom

Salah satu keunggulan besar query adalah kemampuan membandingkan kolom secara langsung, dengan menyebutkan keduanya dalam string yang mudah dibaca.

df.query("score > target")

Banyak Nilai dengan isin

Untuk mencocokkan nilai apa pun dari sebuah daftar, isin lebih baik daripada merangkai banyak kondisi OR. Hasilnya adalah masker boolean yang rapi.

df[df["city"].isin(["Paris", "Lyon", "Nice"])]

Balikkan isin untuk Mengecualikan

Gabungkan tilde dengan isin untuk mempertahankan baris yang tidak ada dalam daftar Anda, cara yang rapi untuk mengecualikan beberapa nilai sekaligus.

df[~df["city"].isin(["Paris", "Lyon"])]

isin di Dalam query

Anda bahkan dapat memanggil isin dari dalam string query, dengan memadukan kedua alat tersebut untuk membuat filter multi-nilai yang mudah dibaca.

df.query("city in ['Paris', 'Lyon']")

isin Memeriksa Nilai, Bukan Kolom

Ingat, isin menguji setiap sel terhadap daftar nilai yang diizinkan dan bersifat tetap. Fungsi ini bukan untuk membandingkan satu kolom dengan kolom lainnya.

df[df["status"].isin(["open", "pending"])]

query Mengembalikan DataFrame Baru

Seperti pemfilteran dengan tanda kurung siku, query tidak mengubah data asli dan mengembalikan DataFrame baru untuk ditetapkan atau dirangkai.

result = df.query("age > 30")

Memilih Gaya Anda

Gunakan query ketika logikanya panjang dan menyerupai bahasa alami, serta isin ketika satu kolom harus dicocokkan dengan banyak nilai. Pilih cara yang paling jelas dibaca.

Pemeriksaan Cepat

Pilih alat yang paling rapi untuk tugas tersebut.

Ringkasan: query dan isin

Gunakan query untuk filter yang mudah dibaca dan menyerupai bahasa alami dengan @variables, serta isin untuk mencocokkan banyak nilai sekaligus. Filter Anda tetap rapi dan jelas. ✅

Gratis untuk memulai

Belajar Python dengan tutor AI — gratis

Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.

Kursus
30
Pelajaran
120

Pertanyaan yang Sering Diajukan

Apakah pelajaran “query dan isin untuk Filter yang Rapi” gratis?

Ya — teks lengkap “query dan isin untuk Filter yang Rapi” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “query dan isin untuk Filter yang Rapi”?

Pemfilteran yang mudah dibaca untuk banyak nilai Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Data Science Academy?

Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.

Berapa lama pelajaran “query dan isin untuk Filter yang Rapi” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?

Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Memilih Kolom Berdasarkan Nama
  2. Memfilter Baris dengan Kondisi
  3. Menggabungkan Filter dengan AND dan OR
  4. query dan isin untuk Filter yang Rapi
← Kembali ke Data Science Academy