Ik help je graag met geavanceerde filter- en selectietechnieken in Pandas! Omdat je geen specifieke DataFrame hebt ingevoerd, zal ik werken met een voorbeeld-DataFrame en generieke technieken demonstreren. Laten we eerst een voorbeeld-DataFrame maken: ```python import pandas as pd import numpy as np # Voorbeeld DataFrame data = { 'naam': ['Anna', 'Bob', 'Charlie', 'Diana', 'Erik', 'Fiona'], 'leeftijd': [25, 32, 45, 29, 38, 22], 'stad': ['Amsterdam', 'Rotterdam', 'Utrecht', 'Amsterdam', 'Den Haag', 'Rotterdam'], 'salaris': [50000, 65000, 80000, 55000, 72000, 48000], 'afdeling': ['IT', 'HR', 'IT', 'Finance', 'IT', 'HR'], 'ervaring_jaren': [2, 5, 12, 4, 8, 1] } df = pd.DataFrame(data) print("Originele DataFrame:") print(df) ``` ## 1. Conditionele filters met meerdere criteria ### Gebruik van logische operatoren: ```python # Personen in Amsterdam met salaris > 55000 filtered_1 = df[(df['stad'] == 'Amsterdam') & (df['salaris'] > 55000)] print("\nAmsterdam, salaris > 55000:") print(filtered_1) # IT-afdeling OF leeftijd < 30 filtered_2 = df[(df['afdeling'] == 'IT') | (df['leeftijd'] < 30)] print("\nIT-afdeling OF leeftijd < 30:") print(filtered_2) # Complexe voorwaarden met haakjes filtered_3 = df[((df['afdeling'] == 'IT') | (df['afdeling'] == 'Finance')) & (df['ervaring_jaren'] > 3)] print("\nIT/Finance met >3 jaar ervaring:") print(filtered_3) ``` ## 2. Gebruik van query()-expressies ```python # Query met string-expressies query_result_1 = df.query('leeftijd >= 30 and salaris < 70000') print("\nQuery: leeftijd >= 30 en salaris < 70000:") print(query_result_1) # Query met variabelen min_salaris = 60000 query_result_2 = df.query(f'salaris > {min_salaris} and stad in ["Amsterdam", "Rotterdam"]') print(f"\nQuery: salaris > {min_salaris} in Amsterdam/Rotterdam:") print(query_result_2) # Query met @ voor variabelen stad_zoek = "Utrecht" query_result_3 = df.query('stad == @stad_zoek and ervaring_jaren >= 5') print(f"\nQuery: stad {stad_zoek} met >=5 jaar ervaring:") print(query_result_3) ``` ## 3. Dynamische selectie op basis van datatypes ```python # Selecteer alleen numerieke kolommen numeric_cols = df.select_dtypes(include=[np.number]) print("\nAlleen numerieke kolommen:") print(numeric_cols.head()) # Selecteer alleen string/object kolommen string_cols = df.select_dtypes(include=[object]) print("\nAlleen string kolommen:") print(string_cols.head()) # Selecteer alles behalve numerieke kolommen non_numeric = df.select_dtypes(exclude=[np.number]) print("\nNiet-numerieke kolommen:") print(non_numeric.head()) ``` ## 4. Filteren op basis van waardenreeksen ```python # Filter op specifieke waarden in een kolom steden_lijst = ['Amsterdam', 'Rotterdam'] filtered_cities = df[df['stad'].isin(steden_lijst)] print("\nPersonen in Amsterdam of Rotterdam:") print(filtered_cities) # Uitsluiten van bepaalde waarden exclude_afdelingen = ['HR'] filtered_dept = df[~df['afdeling'].isin(exclude_afdelingen)] print("\nPersonen niet in HR-afdeling:") print(filtered_dept) # Filteren met string methoden contains_a = df[df['naam'].str.contains('a', case=False)] print("\nNamen die 'a' bevatten:") print(contains_a) ``` ## 5. Geavanceerde combinatietechnieken ```python # Loc met voorwaarden result = df.loc[(df['leeftijd'] > 25) & (df['salaris'] > 50000), ['naam', 'stad', 'salaris']] print("\nGeselecteerde kolommen voor leeftijd >25 en salaris >50000:") print(result) # Query met sorting sorted_result = df.query('afdeling == "IT"').sort_values('salaris', ascending=False) print("\nIT-afdeling gesorteerd op salaris (hoog naar laag):") print(sorted_result) # Dynamische filtering met functies def custom_filter(row): return row['ervaring_jaren'] > 5 and row['salaris'] < 75000 custom_result = df[df.apply(custom_filter, axis=1)] print("\nAangepast filter: >5 jaar ervaring en <75000 salaris:") print(custom_result) ``` ## 6. Performance tips voor grote datasets ```python # Gebruik query() voor betere performance bij grote datasets # (query() is geoptimaliseerd en gebruikt minder geheugen) # Gebruik .isin() in plaats van multiple OR conditions # Slecht: df[(df['stad'] == 'A') | (df['stad'] == 'B') | (df['stad'] == 'C')] # Goed: df[df['stad'].isin(['A', 'B', 'C'])] # Gebruik categorieën voor string kolommen met beperkte unieke waarden df['afdeling'] = df['afdeling'].astype('category') df['stad'] = df['stad'].astype('category') ``` Deze technieken geven je veel flexibiliteit bij het filteren en selecteren van data. Pas de voorwaarden aan op basis van jouw specifieke DataFrame-structuur en filterbehoeften!