Lekce 26 - NumPy - Filtrování dat

V předchozí lekci, NumPy - Výběr dat - Pohled a kopie, jsme si vysvětlili rozdíl mezi pohledy a kopiemi při slicingu v NumPy.

V dnešním tutoriálu knihovny NumPy v Pythonu si vysvětlíme postup při filtrování hodnot polí pomocí polí booleovských hodnot. Porovnáme si filtrování nativním Pythonem s filtrováním pomocí knihovny NumPy.

Filtrování nativním Pythonem

Začneme tím, že si ujasníme pojem filtrování dat. Princip filtrování v základu implementuje i nativní Python a často se s ním setkáme i při použití knihovny Pandas. Nejlépe si filtrování vysvětlíme na příkladu z datové vědy.

Příklad

Mějme tedy několik polí, kdy každé obsahuje jiný typ hodnot. Dohromady vytvářejí takovou malou "databázovou" tabulku. Například jména studentů ve třídě a datumy jejich narození:

studenti_jmena = np.array([
                            'Terka',
                            'Jakub',
                            'Evžen'
                        ])
studenti_rok = np.array([
                            2006,
                            2005,
                            2006
                        ])

Nyní budeme chtít najít jen studenty, kteří se narodili v roce 2006. K tomu slouží právě filtrování.

V nativním Pythonu si vytvoříme seznam booleovských hodnot (list) stejné délky, jako je počet položek v původním poli. Na každou pozici seznamu doplníme True nebo False podle toho, zda hodnota splňuje naši podmínku. Pomocí tohoto boolean seznamu pak můžeme filtrovat původní data.

Pro naši konkrétní minidatabázi chceme dosáhnout hodnot [True, False, True]. Je více způsobů, jak takový seznam vytvořit. Ukážeme si dva způsoby:

...konec náhledu článku...
Pokračuj dál