Таңдау және сүзгілер: тек керегін қалдыру

Не үшін керек

Кесте сирек тұтас керек болады. Бір қаланың түбіртектері, айдың екінші жартысындағы шығыс, сомасы күдікті үлкен жолдар керек. Тізімде бұл — if бар цикл және жаңа тізім; кестеде — бір өрнек, әрі ол санап шығу емес, шарт болып оқылады.

Осы жерде жиырма бесінші сабақтың уәдесі де жабылады: loc пен iloc дәл жолдар сүзілген жерде ажырасады.

Бірден тұтас

vyborka.py файлы. Қаңтардағы он түбіртек және олардан керегін алудың сегіз тәсілі.

"""27-сабақ: керекті жолдар мен бағандарды алу.

Қаңтардағы он түбіртек. Солардан таңдаймыз — алдымен бағандарды, сосын
жолдарды, сосын екеуін бірден.
"""

import pandas as pd

rows = [
    ("2026-01-03", "Қостанай", "тамақ", 4200),
    ("2026-01-05", "Қостанай", "жанармай", 18500),
    ("2026-01-07", "Рудный", "тамақ", 2600),
    ("2026-01-09", "Қостанай", "байланыс", 4990),
    ("2026-01-12", "Астана", "тамақ", 7300),
    ("2026-01-15", "Қостанай", "жалдау", 95000),
    ("2026-01-18", "Рудный", "жанармай", 16200),
    ("2026-01-21", "Астана", "байланыс", 4990),
    ("2026-01-24", "Қостанай", "тамақ", 3100),
    ("2026-01-27", "Рудный", "жалдау", 62000),
]
df = pd.DataFrame(rows, columns=["day", "city", "kind", "amount"])
df["day"] = pd.to_datetime(df["day"])
print(df)

print()
print("== бағандар: біреуі және бірнешеуі")
print("df['amount'] →", type(df["amount"]).__name__)
print("df[['city', 'amount']] →", type(df[["city", "amount"]]).__name__)

print()
print("== маска — «иә» мен «жоқтан» тұратын баған")
big = df["amount"] > 10000
print(big.tolist())
print("келген жол:", int(big.sum()), "барлығынан", len(df))

print()
print("== жолдарды сүзу")
print(df[big])

print()
print("== екі шарт: & | ~ және міндетті жақшалар")
kostanay_food = (df["city"] == "Қостанай") & (df["kind"] == "тамақ")
print("Қостанай әрі тамақ:", int(kostanay_food.sum()))
print("тамақ емес:", int((~(df["kind"] == "тамақ")).sum()))
print("тамақ не байланыс:", int(df["kind"].isin(["тамақ", "байланыс"]).sum()))

print()
print("== жолдар мен бағандар бір өтінімде")
print(df.loc[kostanay_food, ["day", "amount"]])

print()
print("== тағы үш дайын шарт")
print("4000-нан 20000-ға дейін:", int(df["amount"].between(4000, 20000).sum()))
print("қаласы «Қ»-дан басталады:", int(df["city"].str.startswith("Қ").sum()))
print("айдың екінші жартысы:", int((df["day"] >= "2026-01-15").sum()))

print()
print("== сүзгіден кейін белгілер қайта саналмайды")
rudny = df[df["city"] == "Рудный"]
print("белгілер:", rudny.index.tolist())
print("loc[2]:", rudny.loc[2, "kind"], "| iloc[2]:", rudny.iloc[2]["kind"])

print()
print("== loc арқылы жазу")
df.loc[df["kind"] == "байланыс", "kind"] = "мобильді байланыс"
print(df["kind"].value_counts().to_dict())

Шығысы:

         day      city      kind  amount
0 2026-01-03  Қостанай     тамақ    4200
1 2026-01-05  Қостанай  жанармай   18500
2 2026-01-07    Рудный     тамақ    2600
3 2026-01-09  Қостанай  байланыс    4990
4 2026-01-12    Астана     тамақ    7300
5 2026-01-15  Қостанай    жалдау   95000
6 2026-01-18    Рудный  жанармай   16200
7 2026-01-21    Астана  байланыс    4990
8 2026-01-24  Қостанай     тамақ    3100
9 2026-01-27    Рудный    жалдау   62000

== бағандар: біреуі және бірнешеуі
df['amount'] → Series
df[['city', 'amount']] → DataFrame

== маска — «иә» мен «жоқтан» тұратын баған
[False, True, False, False, False, True, True, False, False, True]
келген жол: 4 барлығынан 10

== жолдарды сүзу
         day      city      kind  amount
1 2026-01-05  Қостанай  жанармай   18500
5 2026-01-15  Қостанай    жалдау   95000
6 2026-01-18    Рудный  жанармай   16200
9 2026-01-27    Рудный    жалдау   62000

== екі шарт: & | ~ және міндетті жақшалар
Қостанай әрі тамақ: 2
тамақ емес: 6
тамақ не байланыс: 6

== жолдар мен бағандар бір өтінімде
         day  amount
0 2026-01-03    4200
8 2026-01-24    3100

== тағы үш дайын шарт
4000-нан 20000-ға дейін: 6
қаласы «Қ»-дан басталады: 5
айдың екінші жартысы: 5

== сүзгіден кейін белгілер қайта саналмайды
белгілер: [2, 6, 9]
loc[2]: тамақ | iloc[2]: жалдау

== loc арқылы жазу
{'тамақ': 4, 'жанармай': 2, 'мобильді байланыс': 2, 'жалдау': 2}

Талдау

Баған және бағандар тізімі

df["amount"] — бұл Series, бір баған. df[["city", "amount"]] — екеуінен тұратын DataFrame: тік жақшаның ішінде тізім тұр, сондықтан жауап та кесте, тізімде бір ат болса да. Айырмашылық маңызды: Series пен DataFrame-нің әдістері әртүрлі, ал «неге істемейді» деген сұрақтың жартысы — кесте күткен жерде Series тұрғаны.

Маска — «иә» мен «жоқтан» тұратын баған

df["amount"] > 10000 «иә» не «жоқ» деп жауап бермейді. Ол бағанмен жауап береді: әр жолға бір жауап, сол белгілермен. Қалғанының бәрі содан:

• big.sum() келген жолдарды санайды, өйткені True — бұл бірлік (төртінші сабақ);
• df[big] True тұрған жолдарды қалдырады;
• маска кестемен рет бойынша емес, белгі бойынша салыстырылады — pandas-тағының бәрі сияқты.

&, |, ~ және әшекей емес жақшалар

Екі шарт сөзбен емес, таңбамен қосылады: and орнына &, or орнына |, not орнына ~. Сөздер мұнда істемейді, әрі бұл қырсықтық емес: and бір ғана «иә» не «жоқ» жауабын сұрайды, ал бағанда ондай жауап он. Python мұны ашық айтады:

ValueError: The truth value of a Series is ambiguous.

Әр шарттың айналасындағы жақша міндетті, өйткені & салыстырудан бұрын орындалады: онсыз df["city"] == "Қостанай" & df["kind"] == "тамақ" деген өрнек df["city"] == ("Қостанай" & df["kind"]) == "тамақ" болып саналады да, жақша кінәлі екенін түсіндірмей құлайды.

Ұзын тізбектің орнына дайын шарттар

Күн сайын жазылатын үш нәрсе:

• df["kind"].isin(["тамақ", "байланыс"]) — (... == "тамақ") | (... == "байланыс") орнына, әрі тізім қандай ұзын болса да жарайды;
• df["amount"].between(4000, 20000) — екі салыстырудың орнына, шектері кіреді;
• df["city"].str.startswith("Қ") — қасында str.contains, str.lower, str.len: жолдар істей алатынның бәрі бағанда .str арқылы бар.

Жетіспейтін мәндер бөлек тексеріледі: df["amount"].isna() және .notna(). NaN-мен салыстыру әрқашан «жоқ» береді, тіпті NaN == NaN те, сондықтан оларды салыстырумен іздеудің пайдасы жоқ.

Жолдар мен бағандар бір өтінімде

df.loc[маска, ["day", "amount"]] — сол жағы жолдарды, оң жағы бағандарды таңдайды. Бұл df[маска][["day", "amount"]] нұсқасынан қысқа да, арзан да: екіншісі артығын лақтыру үшін ғана барлық бағаннан аралық кесте құрады.

Сөзбен жазатын түрі де бар: df.query("amount > 5000 and city == 'Қостанай'") — жол ішінде and мен or дәл осылай істейді. Ол өзіңіз жазған ұзын шарттарға ыңғайлы.

Онымен істеуге болмайтын нәрсе: сұраныс жолын пайдаланушы енгізген нәрседен құрастыру. query өрнекті код ретінде талдайды, әрі қойылған мәтін орындалады — бұл жиырма бірінші сабақтағы SQL-инъекциямен бір тесік. Мәндер @айнымалы арқылы беріледі (df.query("amount > @limit")), ал сырттан келген шартты маскамен құрған қауіпсіз: маска ештеңе орындамайды.

Сүзгіден кейін белгілер қайта саналмайды

Үш жолды сүздік — белгілер [2, 6, 9] күйінде қалды, өйткені бұл сол жолдардың өзі. Сондықтан мысалдағы loc[2] мен iloc[2] әртүрлі нәтиже береді: біреуі белгісі 2 болатын жолды, екіншісі реті бойынша үшіншісін сұрайды.

Бұл — жиырма бесінші сабақ «айырмашылық жолдар сүзілген бойда шығады» деген дәл сол орын. Қолтаңбалар кедергі келтірсе, reset_index(drop=True) жолдарды қайта нөмірлейді; мұндағы drop=True — әйтпесе ескі белгілер жаңа бағанға айналады.

loc арқылы жазу, ал сүзгі арқылы неге болмайды

Шартқа келген жолдарды белгілеу loc арқылы жүреді:

df.loc[df["kind"] == "байланыс", "kind"] = "мобильді байланыс"

df[df["kind"] == "байланыс"]["kind"] = "мобильді байланыс" нұсқасы қисынды көрінеді әрі ештеңе істемейді. df[маска] жаңа кесте қайтарады, ал меншіктеу бастапқысын емес, соны өзгертеді. pandas мұны байқап, ChainedAssignmentError деп ескертеді — ұзын шығыста оңай өтіп кететін ескерту, өйткені ол сіз бағдарламаның шығысын күтетін жерге түспейді.

Ереже қарапайым: = белгісінің сол жағында бір тік жақшадан көп нәрсе тұрса — бұл loc.

Сабақ картасы

Өз сөзіңізбен айтыңыз

Қарамай, дауыстап немесе қағазға жауап беріңіз. Жауаптар — сабақтың соңында.

1. Маска деген не және df["amount"] > 10000 неге «иә» де, «жоқ» та емес?
2. Екі шартты неге and сөзімен емес, & таңбасымен қосады?
3. Сүзгіден кейін loc[2] мен iloc[2] неге әртүрлі жол бере алады?

Жаттығу

Тапсырмаға дейінгі үш қысқа қадам: болжау, толықтыру, түзету. Жауаптар — сабақтың соңында, бірақ алдымен өзіңіз жауап беріңіз.

1. Болжаңыз. Бұл бағдарлама не басып шығарады?

import pandas as pd

amounts = pd.Series([4200, 18500, 2600, 95000], index=["тамақ", "жанармай", "тамақ", "жалдау"])
mask = amounts > 5000
print(mask.tolist(), "| келгені:", int(mask.sum()))
print(amounts[mask].to_dict())

2. Бос орынды толтырыңыз. ... орнына шартты қойыңыз: қаласы Қостанай әрі сомасы 5000-нан көп.

# екі шарт, әрқайсысы өз жақшасында
import pandas as pd

df = pd.DataFrame({"city": ["Қостанай", "Рудный", "Қостанай"], "amount": [4200, 16200, 95000]})
print(df[...].to_string(index=False))

3. Түзетіңіз. Бағдарлама байланысты «мобильді байланысқа» ауыстыруға тиіс, бірақ кесте өзгермейді, ал шетте ChainedAssignmentError пайда болады.

# меншіктеу кестеге емес, көшірмеге кетеді
import pandas as pd

df = pd.DataFrame({"kind": ["тамақ", "байланыс"], "amount": [4200, 4990]})
df[df["amount"] > 4500]["kind"] = "мобильді байланыс"
print(df.to_string(index=False))

Тапсырма

Міндетті. Сабақтағы сол он түбіртекті алыңыз да, үш сұраққа циклмен емес, таңдаумен жауап беріңіз:

1. Қостанайдағы 5000-нан қымбат түбіртектер — тек күні мен сомасы.
2. Түбіртектерді белгілеңіз: сомасы 20000-нан болса — ірі, әйтпесе кәдімгі. Бағанды меншіктеумен қосыңыз, белгіні loc арқылы қойыңыз. Қайсысы қанша екенін басып шығарыңыз.
3. Ірі түбіртектердің қалалар бойынша сомасы.

Күтілетін шығыс:

Қостанайда 5000-нан қымбат:
       day  amount
2026-01-05   18500
2026-01-15   95000

түбіртектің мөлшері:
мөлшері
кәдімгі    8
ірі        2

қалалар бойынша ірілері:
city
Рудный      62000
Қостанай    95000

Дайын болғаны: шығыс жол-жолымен сәйкес келеді; белгі = белгісінің сол жағындағы сүзгімен емес, df.loc[маска, "мөлшері"] арқылы қойылған; бірінші жауапта екі баған бір өтінімде таңдалған; сомалар циклмен емес, сүзілген кестені топтаумен алынған.

Өз деректеріңізде. Өз кестеңізді алып, оған үш шарт құрыңыз: біреуі қарапайым, біреуі екі бөліктен, біреуі isin не between арқылы. Әрқайсысына қанша жол келгенін басып шығарыңыз. Біреуіне нөл жол келсе — dtypes-ке қараңыз. Бағанда санның орнына жол тұрса, == барлық жолға үнсіз «жоқ» береді, ал > пен < TypeError-мен құлайды. Мұны шартты іріктеумен емес, сүзгіге дейінгі pd.to_numeric арқылы емдейді.

Қалауыңыз бойынша.

• Сол шартты query арқылы жазып, қайсысы оңай оқылатынын салыстырыңыз.
• df[маска].reset_index(drop=True) жасап, белгілерге не болғанын қараңыз.
• ~маска қанша жол беретінін тексеріп, маскамен қосқанда кестенің ұзындығы шығатынына көз жеткізіңіз.

Жобада бұл қайда тұрады

Қазір қадам жоқ: жиынтыққа бес жол жетеді, әрі онда сүзетін ештеңе әзірге жоқ. Бірақ таңдау — келесі қадам содан жасалатын нәрсе: қатар бірнешеу болғанда, есеп «тек керекті жолдарды алудан» басталады, содан кейін ғана келесі сабақтағы топтау келеді.

Қарыздар. Шарттар бізде кодтың ішінде жазылады. Олар үшеуден асқанда, ат сұрайды — әрі қатар тұрған үш жақшадан гөрі жақсы оқылатын irileri(df) тәрізді функцияларға айналады.

Жауаптар

[False, True, False, True] | келгені: 2
{'жанармай': 18500, 'жалдау': 95000}

import pandas as pd

df = pd.DataFrame({"city": ["Қостанай", "Рудный", "Қостанай"], "amount": [4200, 16200, 95000]})
print(df[(df["city"] == "Қостанай") & (df["amount"] > 5000)].to_string(index=False))

    city  amount
Қостанай   95000

import pandas as pd

df = pd.DataFrame({"kind": ["тамақ", "байланыс"], "amount": [4200, 4990]})
df.loc[df["amount"] > 4500, "kind"] = "мобильді байланыс"
print(df.to_string(index=False))

             kind  amount
            тамақ    4200
мобильді байланыс    4990

Дереккөздер

• Индекстеу және дерек таңдау — маскалар, loc, iloc және олардың ережелері.
• Бағанның жолдық әдістері — .str арқылы қолжетімдінің бәрі.
• Көшірме ме, көрініс пе — сүзгі арқылы меншіктеу неге ештеңе өзгертпейді.