Метод .loc в Pandas — один из самых мощных, но часто упускаемых из виду методов. Он обеспечивает гибкий и точный путь к следующему в одной строке кода.
- доступ к данным
- фильтровать данные
- манипулировать данными
К сожалению, многие начинающие аналитики данных или специалисты по работе с данными не осознают его истинный потенциал, что приводит к неэффективной обработке данных или написанию излишне длинного кода, который быстро приводит к ошибкам.
Метод .loc в Pandas — очень недооцененный метод, когда дело доходит до манипулирования данными. Хотя на первый взгляд это может показаться простым, истинный потенциал часто раскрывается только благодаря многолетнему практическому опыту.
Хотите знать, как эта одна строка кода может легко заменить десять или более строк, при этом работая быстрее и менее подвержена ошибкам? Читай дальше. Эта статья позволит вам узнать, как эффективно использовать .loc в работе с данными.
df.loc[mask, 'tip'] = df.groupby(['day', 'gender'])['tip'].transform('mean')
Я могу обещать вам, что в этой статье вы найдете способы использования .loc, которые даже не описаны в документации Pandas. Вот почему это называется «Секретное использование».
Проливая свет на тонкости .loc и его приложений, эта статья призвана преодолеть разрыв между новичками и опытными практиками данных. мы рассмотрим приложения метода .loc постепенно, от базовых к расширенным вариантам использования, используя популярный набор данных «советы» из пакета seaborn.
1. Понимание набора данных Tips:
Прежде чем углубиться в метод .loc, давайте ознакомимся с набором данных Tips. Он содержит информацию о чаевых, данных в различных сценариях, включая общую сумму счета, сумму чаевых, пол, статус курильщика, день недели, время суток и многое другое.
Во-первых, нам нужно импортировать пакеты Python и загрузить наш набор данных. Вот как мы можем это сделать:
