การกรองข้อมูลด้วยฟังก์ชัน filter()

การเขียนโค้ดที่มีประสิทธิภาพด้วย pandas

Leonidas Souliotis

PhD Candidate

จุดประสงค์ของ filter()

จำกัดผลลัพธ์ตามคุณลักษณะของการรวมกลุ่ม

จำนวนค่าที่หายไป
ค่าเฉลี่ยของคุณลักษณะที่ต้องการ
จำนวนการปรากฏของกลุ่ม

กรองข้อมูลด้วย groupby().filter()

restaurant_grouped = restaurant.groupby('day')
filter_trans = lambda x : x['total_bill'].mean() > 20
restaurant_filtered = restaurant_grouped.filter(filter_trans)

Time using .filter() 0.00414085388184 sec

print(restaurant_filtered['tip'].mean())

3.11527607362

print(restaurant['tip'].mean())

2.9982786885245902

เปรียบเทียบกับวิธีดั้งเดิมของ Python

t=[restaurant.loc[df['day'] == i]['tip'] for i in restaurant['day'].unique() 
    if restaurant.loc[df['day'] == i]['total_bill'].mean()>20]
restaurant_filtered = t[0]
for j in t[1:]: 
    restaurant_filtered=restaurant_filtered.append(j,ignore_index=True)

Time using native Python: 0.00663900375366 sec

print(restaurant_filtered.mean())

3.11527607362

Difference in time: 60.329341317157024%

มาฝึกกันเถอะ!

การเขียนโค้ดที่มีประสิทธิภาพด้วย pandas