تصفية الصفوف

التصفية بالشروط المنطقية

التصفية هي طريقة تركيزك على الجزء المهم من البيانات. تنشئ قناعًا منطقيًا (boolean mask) ، كائن Series من قيم True/False ، وتستخدمه لتحديد الصفوف.

import pandas as pd

# titanic.csv ships with the course — load it from the browser file system.
df = pd.read_csv("titanic.csv")

# Filter passengers older than 30
older = df[df["Age"] > 30]
print(older.shape)   # fewer rows than original 891

التعبير df["Age"] > 30 يُنتج كائن Series منطقيًا:

0       True
1       True
2      False
3       True
...

تمريره داخل df[...] يحتفظ فقط بالصفوف التي تكون قيمتها True.

دمج الشروط

استخدم & (و) و | (أو) لدمج الشروط. يجب وضع كل شرط بين قوسين:

# Female passengers in first class
first_class_female = df[(df["Sex"] == "female") & (df["Pclass"] == 1)]
print(first_class_female.head())

# Passengers younger than 25 OR older than 60
young_or_old = df[(df["Age"] < 25) | (df["Age"] > 60)]
print(young_or_old.shape)

خطأ شائع: استخدام and/or بدلًا من &/|. عاملَا بايثون and/or لا يعملان على مستوى العناصر على كائنات Series في pandas وسيسببان خطأ.

استخدام .isin() لقيم متعددة

عندما تحتاج إلى المطابقة مع قائمة قيم، استخدم .isin():

# Passengers who embarked from Cherbourg or Southampton
embarked_filter = df[df["Embarked"].isin(["C", "S"])]

# Passengers in class 1 or 2
upper_classes = df[df["Pclass"].isin([1, 2])]

استخدام .between() للنطاقات

طريقة .between() أنظف من ربط مقارنتين:

# Passengers aged 20 to 30 (inclusive by default)
twenties = df[df["Age"].between(20, 30)]
print(twenties.shape)

هذا مكافئ لـ df[(df["Age"] >= 20) & (df["Age"] <= 30)] لكنه أكثر قابلية للقراءة.

التصفية بأساليب النصوص

تتيح لك أداة .str تطبيق عمليات النصوص على عمود كامل:

# Passengers whose name contains "Master" (a title)
masters = df[df["Name"].str.contains("Master", na=False)]
print(masters.shape)

# Passengers whose ticket starts with "A"
a_tickets = df[df["Ticket"].str.startswith("A", na=False)]

الوسيط na=False يعالج القيم المفقودة بلطف ، بدونها، ستسبب قيم NaN أخطاء.

التصفية باستخدام .query()

بالنسبة للفلاتر المعقدة، يوفر .query() بديلًا مقروءًا:

# Equivalent to df[(df["Age"] > 25) & (df["Survived"] == 1)]
survivors_over_25 = df.query("Age > 25 and Survived == 1")

قراءة هذا سطرية تقريبًا مثل نص إنجليزي وتتجنب تكرار صياغة df["column"].

تخزين الفلاتر في متغيرات

بالنسبة للشروط المعقدة، خزّن القناع المنطقي في متغير أولًا:

is_female = df["Sex"] == "female"
is_first_class = df["Pclass"] == 1
is_survived = df["Survived"] == 1

# Combine them
result = df[is_female & is_first_class & is_survived]
print(f"Female first-class survivors: {len(result)}")

هذا الأسلوب يجعل شفرتك أسهل بكثير في القراءة وتصحيح الأخطاء.

جرّب بنفسك

من مجموعة بيانات تيتانيك، صفِّ للعثور على:

1. جميع الركاب الذين دفعوا ثمن تذكرة أكثر من 100
2. جميع الركابات في الدرجة الثالثة
3. جميع الركاب الذين يحوي اسمهم لقب “Mrs”

import pandas as pd

# titanic.csv ships with the course — load it from the browser file system.
df = pd.read_csv("titanic.csv")

high_fare = df[df["Fare"] > 100]
print(f"High fare passengers: {len(high_fare)}")

third_class_female = df[(df["Sex"] == "female") & (df["Pclass"] == 3)]
print(f"Third-class females: {len(third_class_female)}")

mrs = df[df["Name"].str.contains("Mrs", na=False)]
print(f"Passengers with title Mrs: {len(mrs)}")

خلاصات رئيسية

• الفهرسة المنطقية df[mask] هي آلية التصفية الأساسية في pandas
• استخدم & للـAND و | للـOR ، لفّ كل شرط على حدة بين قوسين دائمًا
• .isin() يطابق قائمة؛ .between() يتعامل مع النطاقات بنظافة
• .str.contains() يصفّي بمطابقة نص فرعي ، استخدم na=False للأمان

تحدي التطبيق

من مجموعة بيانات تيتانيك، ابحث عن جميع الركاب الذين: (1) كانوا ذكورًا، (2) في الدرجة الثانية أو الثالثة، (3) تتراوح أعمارهم بين 18 و 35 عامًا، و(4) نجوا. كم عدد الركاب المطابقين للشروط الأربعة جميعها؟