Pandas 08 - Veri Filtreleme Yöntemleri

Filtreleme Yöntemleri

Pandas kütüphanesi ile en sık yapılan işlemlerden biri de Filtreleme işlemidir. Binlerce, onbinlerce hatta milyonlarca kayıt arasından istediğimize ulaşmak için filreleme komutlarını kullanacağız. Bu bölümdeki anlatılanları da dikkatle okuyup öğrenmenizi tavsiye ederim.

Karşılaştırma Operatorü Kullanımı

Sütun içerisindeki verilere göre filtreleme uygulamak istersek, VeriCervecesiAdı["SütunAdı"] == "Filtre_Kriteri" yöntemi kullanılabilir.

Pythonda kullanıdığımız Karşılaştırma operatörlerini (< , > , <=, >=, ==, !=, ) ve Mantıksal Operatörleri ( (and, ve) & ve (or, Ya da) | Pandas içerisinde de kullanabiliriz. Öncelikle veri çerçevemize göz atalım.

import pandas as pd
imdb = pd.read_excel("Veri_Setleri/imdb.xlsx", decimal=",")
print(imdb)

247 rows × 4 columns

Örneğin 2010 yılına ait filmleri görmek istersen Karşılaştırma operatörünü kullanarak aşağıdaki filtreleme yöntemini kullanabiliriz.

imdb = pd.read_excel("Veri_Setleri/imdb.xlsx", decimal=",")
print(imdb[imdb["Yıl"] == 2010])

Yukarıdaki yazım tarzı kafanızı karıştırdıysa, aşağıdaki (parçalara ayrılmış) yazım tarzı daha anlaşılır gelebilir. Önce filtreyi tanımlıyor, sonra veri çerçevesine dahil ediyoruz.

filtre_2010 = imdb["Yıl"] == 2010
print(imdb[filtre_2010])

8,8 ve üzeri Puana sahip filmleri listelemek istersek;

filtre_88 = imdb["Puan"] >= 8.8
print(imdb[filtre_88])

Karşılaştırma operatorlerini, Filtreleme işlemini dışında kıyaslama amacıyla da kullanabiliriz. Aşağıdaki kullanımı inceleyelim.

Mantiksal_imdb = imdb["Puan"] > 8
print(Mantiksal_imdb)

0       True
1       True
2       True
3       True
4       True
       ...  
242    False
243    False
244    False
245    False
246    False
Name: Puan, Length: 247, dtype: bool

Bu durumda, Puan sütunundaki değerler, verilen kritere göre (8'den büyük olup olmadığı) sorgulanıyor ve her değer için True (Doğru) yani değer 8'den büyük ya da False (yanlış) yani değer 8'e eşit ya da küçük sonucu vdöndürüyor.

between() Fonksiyonu

Bir sayısal aralık belirterek filtreleme yapmak istersek between() metodunu kullanabiliriz. Örneği 1960 ile 1980 yılları arasındaki filmleri filtrelemeye çalışalım.

print(imdb["Yıl"].between(1960,1980))

0      False
1       True
2       True
3      False
4      False
       ...  
242    False
243     True
244    False
245    False
246     True
Name: Yıl, Length: 247, dtype: bool

Mantıksal Operatör Kullanımı

Birden fazla kriter içeren filtreleme işlemi uygulamak istersek, aşağıdaki kodlar ile istediğimiz elde edebiliriz. İki kriteri bir arada kullanmak istediğimizde VE (and) simgesi olan &, İki kriterden birini ayrı ayrı seçmek için YA DA (or) simgesi olan | kullanılır. and ve or kelimelerini kullanırsanız hata alırsınız.

yıl_2000den_buyuk = imdb["Yıl"] > 2000
Oylayan_Kişi_500000 = imdb["Oylayan_Kişi"] > 500000
print(imdb[yıl_2000den_buyuk & Oylayan_Kişi_500000])

yıl_2000den_buyuk = imdb["Yıl"] > 2000
Oylayan_Kişi_500000 = imdb["Oylayan_Kişi"] > 500000
print(imdb[yıl_2000den_buyuk | Oylayan_Kişi_500000])

81 rows × 4 columns

Filtreleme esnasında String Metotlarını kullanmak için str kelimesinden yararlanıyoruz. Diyelim ki içerisinde star wars kelime grubu bulunan tüm filmleri filtrelemek istiyoruz. Python küçük harf ve büyük harfe duyarlı olduğu için, star wars yazıp aradığımız zaman Star Wars, STAR WARS ,...vb hiçbir film, filtreye takılmayacak ve yanlış sonuç almış olacağız. Bu durumun önüne geçmek için, öncelikle tüm film isimlerini küçük harfe ya da büyük harfe çevirerek arama/filtreleme yapmamız gerekecektir. Aşama aşama gidelim. Tüm film isimlerini küçük harfe çevirelim. Film isimleri indeks olarak ayarlandığı için film isimleri sütununu temsilen, index kelimesini kullanmalıyız.

imdb = pd.read_excel("Veri_Setleri/imdb.xlsx", index_col="Film_Adı")
kucuk_harf = imdb.index.str.lower()
print(kucuk_harf)

Index(['the shawshank redemption ', 'the godfather ',
       'the godfather: part ii ', 'pulp fiction', 'the dark knight ',
       '12 angry men ', 'schindler's list ',
       'the lord of the rings: the return of the king ', 'fight club ',
       'star wars: episode v - the empire strikes back ',
       ...
       'the artist ', 'nausicaä of the valley of the wind ',
       'beauty and the beast ', 'three colors: red ', 'bringing up baby ',
       'mystic river ', 'in the heat of the night ', 'arsenic and old lace ',
       'before sunrise ', 'papillon '],
      dtype='object', name='Film_Adı', length=247)

Gördüğünüz gibi film isimleri tamamen küçük harfe dönüşmüş oldu. String metotlarından biri olan contains ile metin içerisinde içeren kelime ya da kelimeleri aratabiliyoruz. Şimdi Sıra geldi filtreleme işlemine.

star_wars_icerir = kucuk_harf.str.contains("star wars")
print(imdb[star_wars_icerir])

Biraz karışık gelse de tüm kodları irleştirip aynı sonucu elde edebiliriz.

star_wars_filtrele = imdb.index.str.lower().str.contains("star wars")
print(imdb[star_wars_filtrele])

← Önceki Bölüm | Sonraki Bölüm →