數(shù)據(jù)篩選

df_all_cities是我們建立的一個(gè)包含所有數(shù)據(jù)的Pandas Dataframe计螺,考慮到我們的分析目標(biāo)夯尽,我們可能會需要提取部分?jǐn)?shù)據(jù)來針對我們感興趣的具體問題進(jìn)行分析。為了方便大家對數(shù)據(jù)進(jìn)行探索登馒,在下面我們定義了一個(gè)filter_data和reading_stats的函數(shù)匙握,通過輸入不同的條件(conditions),該函數(shù)可以幫助我們篩選出這部分的數(shù)據(jù)。

def filter_data(data, condition):
"""
Remove elements that do not match the condition provided.
Takes a data list as input and returns a filtered list.
Conditions should be a list of strings of the following format:
'<field> <op> <value>'
where the following operations are valid: >, <, >=, <=, ==, !=

Example: ["duration < 15", "start_city == 'San Francisco'"]
"""

# Only want to split on first two spaces separating field from operator and
# operator from value: spaces within value should be retained.
field, op, value = condition.split(" ", 2)

# check if field is valid
if field not in data.columns.values :
    raise Exception("'{}' is not a feature of the dataframe. Did you spell something wrong?".format(field))

# convert value into number or strip excess quotes if string
try:
    value = float(value)
except:
    value = value.strip("\'\"")

# get booleans for filtering
if op == ">":
    matches = data[field] > value
elif op == "<":
    matches = data[field] < value
elif op == ">=":
    matches = data[field] >= value
elif op == "<=":
    matches = data[field] <= value
elif op == "==":
    matches = data[field] == value
elif op == "!=":
    matches = data[field] != value
else: # catch invalid operation codes
    raise Exception("Invalid comparison operator. Only >, <, >=, <=, ==, != allowed.")

# filter data and outcomes
data = data[matches].reset_index(drop = True)
return data

def reading_stats(data, filters = [], verbose = True):
"""
Report number of readings and average PM2.5 readings for data points that meet
specified filtering criteria.
"""

n_data_all = data.shape[0]

# Apply filters to data
for condition in filters:
    data = filter_data(data, condition)

# Compute number of data points that met the filter criteria.
n_data = data.shape[0]

# Compute statistics for PM 2.5 readings.
pm_mean = data['PM_US_Post'].mean()
pm_qtiles = data['PM_US_Post'].quantile([.25, .5, .75]).as_matrix()

# Report computed statistics if verbosity is set to True (default).
if verbose:
    if filters:
        print('There are {:d} readings ({:.2f}%) matching the filter criteria.'.format(n_data, 100. * n_data / n_data_all))
    else:
        print('There are {:d} reading in the dataset.'.format(n_data))

    print('The average readings of PM 2.5 is {:.2f} ug/m^3.'.format(pm_mean))
    print('The median readings of PM 2.5 is {:.2f} ug/m^3.'.format(pm_qtiles[1]))
    print('25% of readings of PM 2.5 are smaller than {:.2f} ug/m^3.'.format(pm_qtiles[0]))
    print('25% of readings of PM 2.5 are larger than {:.2f} ug/m^3.'.format(pm_qtiles[2]))
    seaborn.boxplot(data['PM_US_Post'], showfliers=False)
    plt.title('Boxplot of PM 2.5 of filtered data')
    plt.xlabel('PM_US Post (ug/m^3)')

# Return three-number summary
return data

在使用中,我們只需要調(diào)用reading_stats即可,我們在這個(gè)函數(shù)中調(diào)用了filter_data函數(shù)法褥,因此并不需要我們直接操作filter_data函數(shù)半等。下面是對于該函數(shù)的一些提示。

reading_stats函數(shù)中包含有3個(gè)參數(shù):

第一個(gè)參數(shù)(必須):需要被加載的 dataframe谬擦,數(shù)據(jù)將從這里開始分析惨远。
第二個(gè)參數(shù)(可選):數(shù)據(jù)過濾器葡幸,可以根據(jù)一系列輸入的條件(conditions)來過濾將要被分析的數(shù)據(jù)點(diǎn)贺氓。過濾器應(yīng)作為一系列條件提供蔑水,每個(gè)條件之間使用逗號進(jìn)行分割肤粱,并在外側(cè)使用""將其定義為字符串格式领曼,所有的條件使用[]包裹毁渗。每個(gè)單獨(dú)的條件應(yīng)該為包含三個(gè)元素的一個(gè)字符串:'<field> <op> <value>'(元素與元素之間需要有一個(gè)空格字符來作為間隔)单刁,<op>可以使用以下任意一個(gè)運(yùn)算符:>肺樟、<么伯、>=田柔、<=、==缀磕、!=虐骑。數(shù)據(jù)點(diǎn)必須滿足所有條件才能計(jì)算在內(nèi)廷没。例如颠黎,["city == 'Beijing'", "season == 'Spring'"] 僅保留北京市夭坪,季節(jié)為春天的數(shù)據(jù)过椎。在第一個(gè)條件中, <field>是city疚宇,<op>是 ==, <value>是'Beijing',因?yàn)楸本樽址浜约恿藛我柟戳ǎ鼈內(nèi)齻€(gè)元素之間分別添加一個(gè)空格。最后敢艰,這個(gè)條件需要使用雙引號引用起來。這個(gè)例子中使用了兩個(gè)條件森瘪,條件與條件之間使用逗號進(jìn)行分割,這兩個(gè)條件最后被放在[]之中窗宇。
第三個(gè)參數(shù)(可選):詳細(xì)數(shù)據(jù)军俊,該參數(shù)決定我們是否打印被選擇的數(shù)據(jù)的詳細(xì)統(tǒng)計(jì)信息担败。如果verbose = True,會自動打印數(shù)據(jù)的條數(shù)狈网,以及四分位點(diǎn)拓哺,并繪制箱線圖。如果verbose = False, 則只會返回篩選后的dataframe础淤,不進(jìn)行打印鸽凶。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末凑兰,一起剝皮案震驚了整個(gè)濱河市姑食,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖彻桃,帶你破解...
    沈念sama閱讀 216,372評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件叛薯,死亡現(xiàn)場離奇詭異,居然都是意外死亡燎字,警方通過查閱死者的電腦和手機(jī)候衍,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來他膳,“玉大人些膨,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 162,415評論 0 353
  • 文/不壞的土叔 我叫張陵郊丛,是天一觀的道長较幌。 經(jīng)常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,157評論 1 292
  • 正文 為了忘掉前任窗看,我火速辦了婚禮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘魔慷。我一直安慰自己,他們只是感情好喉誊,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,171評論 6 388
  • 文/花漫 我一把揭開白布栋盹。 她就那樣靜靜地躺著愕秫,像睡著了一般悦施。 火紅的嫁衣襯著肌膚如雪笆环。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,125評論 1 297
  • 那天,我揣著相機(jī)與錄音,去河邊找鬼颅湘。 笑死闯参,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的馏慨。 我是一名探鬼主播叮盘,決...
    沈念sama閱讀 40,028評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼柔吼,長吁一口氣:“原來是場噩夢啊……” “哼毒费!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起愈魏,我...
    開封第一講書人閱讀 38,887評論 0 274
  • 序言:老撾萬榮一對情侶失蹤觅玻,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后培漏,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體溪厘,經(jīng)...
    沈念sama閱讀 45,310評論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,533評論 2 332
  • 正文 我和宋清朗相戀三年牌柄,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了畸悬。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,690評論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡珊佣,死狀恐怖蹋宦,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情咒锻,我是刑警寧澤冷冗,帶...
    沈念sama閱讀 35,411評論 5 343
  • 正文 年R本政府宣布,位于F島的核電站惑艇,受9級特大地震影響蒿辙,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜敦捧,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,004評論 3 325
  • 文/蒙蒙 一须板、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧兢卵,春花似錦习瑰、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至窃款,卻和暖如春课兄,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背晨继。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評論 1 268
  • 我被黑心中介騙來泰國打工烟阐, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 47,693評論 2 368
  • 正文 我出身青樓蜒茄,卻偏偏與公主長得像唉擂,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子檀葛,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,577評論 2 353

推薦閱讀更多精彩內(nèi)容