Filtrowanie wierszy za pomocą warunków
Maski logiczne w DataFrame
Filtrowanie wierszy za pomocą warunków to bezpłatna lekcja Data Science Academy na CoddyKit. To lekcja 2 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Data Science Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.
From Columns to Rows
Picking columns trims width; filtering rows trims length. Now you keep only the records that match a condition you care about. 🔍
A Condition Makes a Mask
Write a comparison on a column and pandas returns a boolean mask: one True or False per row, telling you which records pass.
mask = df["age"] > 30
print(mask.head())Apply the Mask
Put the mask inside brackets and pandas keeps only the True rows. The result is a smaller DataFrame with the same columns.
adults = df[df["age"] > 30]Equality Filters
Use double equals to match a value exactly. Remember that a single equals would try to assign, not compare.
df[df["city"] == "Paris"]Not Equal and Comparisons
You can filter with the full set of comparisons: not-equal, greater-equal, and less-equal all work on a column.
df[df["score"] >= 80]
df[df["city"] != "Paris"]Filter on Text
String columns support a str accessor. Use str.contains to keep rows whose text includes a pattern.
df[df["email"].str.contains("@gmail")]Filter With between
For a numeric range, between reads more clearly than two separate comparisons and includes both ends by default.
df[df["age"].between(18, 65)]Keep Selected Columns Too
Combine row filtering with loc to grab matching rows and chosen columns in one readable line.
df.loc[df["age"] > 30, ["name", "age"]]The Mask Is Reusable
A mask is just a Series, so you can store it and reuse it across different selections without rewriting the condition.
senior = df["age"] > 60
df[senior]
df.loc[senior, "name"]Count the Matches
Because True counts as one, calling sum on a mask tells you how many rows pass before you even filter.
(df["age"] > 30).sum()Filtering Does Not Change df
Filtering returns a new DataFrame and leaves the original untouched. Assign the result to a variable to keep it.
young = df[df["age"] < 30]
# df itself is unchangedQuick Check
Recall how a comparison on a column behaves.
Recap: Filtering Rows
A condition builds a boolean mask, brackets apply it, and loc adds column selection. You can now keep exactly the records that matter. ✅
Często zadawane pytania
Czy lekcja „Filtrowanie wierszy za pomocą warunków” jest bezpłatna?
Tak — pełny tekst „Filtrowanie wierszy za pomocą warunków” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Data Science Academy, przejdź na CoddyKit PRO. Kurs Data Science Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Filtrowanie wierszy za pomocą warunków”?
Maski logiczne w DataFrame Ćwiczysz Data Science Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Data Science Academy?
Nie wymagamy żadnego doświadczenia. Data Science Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 2 z 4.
Ile czasu zajmuje lekcja „Filtrowanie wierszy za pomocą warunków”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Data Science Academy?
Tak. Każda lekcja Data Science Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Wybieranie kolumn po nazwie
- Filtrowanie wierszy za pomocą warunków
- Łączenie filtrów za pomocą AND i OR
- query i isin do przejrzystego filtrowania