Lekce 19 - Filtrování dat

V předchozí lekci, Vytváření funkcí typu ufunc a práce s nimi, jsme se naučili vytvářet vlastní funkce typu ufunc a také jsme si ukázali použití funkcí reduce() a accumulate(), které dále rozšiřují možnosti použití ufunc.

V následujícím tutoriálu knihovny NumPy v Pythonu si vysvětlíme postup při filtrování hodnot polí pomocí polí booleovských hodnot. Ukážeme si možnosti, které nám v tomto případě dává knihovna NumPy.

Filtrování dat

Začneme tím, že si ujasníme pojem "filtrování". Princip filtrování v základu implementuje i nativní Python a často se s ním setkáme i při používání knihovny Pandas. Nejlépe si filtrování vysvětlíme na příkladu z datové vědy. 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. Vytvoříme pole stejné délky, jako je počet položek v originálním poli, ale na každou pozici pomocí True/False doplníme, zda splňuje naši podmínku. Pomocí tohoto boolean pole pak jednoduše "profiltrujeme" originální pole a vytvoříme nové. To už bude mít pouze požadované hodnoty. Pro naši konkrétní minidatabázi chceme dosáhnout hodnot [True, False, True]. Je více způsobů, jak takové pole vytvořit. Ukážeme si dva jednoduché:

...konec náhledu článku...
Pokračuj dál