Data Science Academy · Урок

Фильтрация строк по условиям

Логические маски в DataFrame

«Фильтрация строк по условиям» — бесплатный урок Data Science Academy на CoddyKit. Это урок 2 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Data Science Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Data Science Academy содержит 4 уроков всего.

Части этого урока еще не переведены и отображаются на английском.

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. ✅

Часто задаваемые вопросы

Урок «Фильтрация строк по условиям» бесплатный?

Да — полный текст урока «Фильтрация строк по условиям» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Data Science Academy, подпишись на CoddyKit PRO. Курс Data Science Academy содержит 4 уроков всего.

Чему я научусь в уроке «Фильтрация строк по условиям»?

Логические маски в DataFrame Ты практикуешь Data Science Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать Data Science Academy?

Предыдущий опыт не требуется. Data Science Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 2 из 4.

Сколько времени занимает урок «Фильтрация строк по условиям»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке Data Science Academy?

Да. Каждый урок Data Science Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

← Назад к Data Science Academy