Data Science Academy · Aula

Filtrar linhas com condições

Máscaras booleanas em um DataFrame.

Filtrar linhas com condições é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 2 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Data Science Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Data Science Academy inclui 4 aulas no total.

Partes desta aula ainda não foram traduzidas e aparecem em inglês.

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 unchanged

Quick 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. ✅

Perguntas Frequentes

A aula “Filtrar linhas com condições” é grátis?

Sim — o texto completo de “Filtrar linhas com condições” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Data Science Academy, atualize para CoddyKit PRO. O curso de Data Science Academy inclui 4 aulas no total.

O que vou aprender em “Filtrar linhas com condições”?

Máscaras booleanas em um DataFrame. Você pratica Data Science Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar Data Science Academy?

Nenhuma experiência prévia é necessária. Data Science Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 2 de 4.

Quanto tempo leva a aula “Filtrar linhas com condições”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de Data Science Academy?

Sim. Cada aula de Data Science Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

← Voltar para Data Science Academy