סינון ומיון ב-Pandas

מה זה?#

זוכרים Where/OrderBy מיחידת ה-LINQ ב-C#? Pandas עושה בדיוק אותו דבר, אבל בתחביר שונה לגמרי — Boolean Indexing (סינון עם “מסכת אמת/שקר”) במקום Lambda. הרעיון זהה: מתוך DataFrame גדול, רוצים רק את השורות הרלוונטיות, ובסדר מסוים.

מילות מפתח שחשוב לזכור#

• Boolean Indexing — סינון על ידי “מסכה” של True/False לכל שורה — df[condition] מחזיר רק שורות עם True

• sort_values() — ממיין DataFrame לפי עמודה אחת או יותר

• & / | — “וגם” / “או”, לשילוב כמה תנאי סינון יחד (לא and/or הרגילים של פייתון!)

# Boolean Indexing — the basic filtering syntax in Pandas
adults = df[df["Age"] >= 18]        # only rows with Age >= 18
# df["Age"] >= 18 produces a Series of True/False; df[...] uses it to filter

# Combining conditions — & and | (not and/or!), each condition in its own parentheses
adults_high_score = df[(df["Age"] >= 18) & (df["Score"] > 80)]

# sort_values — sorting
df_sorted = df.sort_values("Score", ascending=False)   # from highest to lowest

# sorting by multiple columns
df_multi_sort = df.sort_values(["ClassName", "Score"], ascending=[True, False])
# first by ClassName (ascending), and within each class — by Score (descending)

# Chaining — filter then sort, like Where().OrderBy() in LINQ
result = df[df["Age"] >= 18].sort_values("Score", ascending=False)

הסבר עיקרי#

df["Age"] >= 18 לא מסנן — הוא מייצר Series בוליאני — לפני שמבינים סינון, חשוב להבין ש-df["Age"] >= 18 בעצמה היא לא הסינון עצמו — היא מייצרת Series חדשה עם True/False לכל שורה (בדיוק כמו lambda ב-LINQ שמחזירה bool). df[...] הוא מה שבפועל “מיישם” את המסכה הזו ומחזיר רק את השורות עם True.

למה &/| ולא and/or — זו טעות נפוצה מאוד למתחילים: and/or הרגילים של פייתון עובדים על ערך בוליאני בודד, לא על Series שלמה. &/| הם האופרטורים ש-Pandas מגדירה מחדש כדי לעבוד “איבר-איבר” על כל ה-Series בבת אחת — וכל תנאי חייב סוגריים משלו ((df["Age"] >= 18) & (df["Score"] > 80)) בגלל סדר קדימות אופרטורים בפייתון.

מיון לפי כמה עמודות = “מיון משני” — sort_values(["ClassName", "Score"], ascending=[True, False]) ממיין קודם לפי ClassName (א’-ב’), ובתוך כל קבוצת ClassName זהה — לפי Score יורד. זה מקביל בדיוק ל-OrderBy(...).ThenByDescending(...) ב-LINQ, רק בתחביר של רשימת עמודות.

יתרונות#

Boolean Indexing מתמצת סינון מורכב לשורה אחת קצרה; שילוב &/| מאפשר תנאים מרובים בלי if מקונן; sort_values עם רשימת עמודות נותן מיון רב-שכבתי בקריאה אחת.

חסרונות#

&/| במקום and/or הוא תחביר לא-אינטואיטיבי שקל לטעות בו במיוחד למי שבא מפייתון “רגיל”; שכחת סוגריים סביב כל תנאי גורמת לשגיאות עדיפות אופרטורים מבלבלות.

נקודות חשובות#

• df[condition] = Boolean Indexing — condition היא Series של True/False

• &/| (לא and/or) לשילוב תנאים ב-Pandas, כל תנאי בסוגריים נפרדים

• sort_values(col, ascending=False) ממיין; רשימת עמודות = מיון רב-שכבתי

• סינון ומיון ניתנים לשרשור, בדיוק כמו Where().OrderBy() ב-LINQ

טעויות נפוצות#

• להשתמש ב-and/or במקום &/| ולקבל שגיאה (“truth value of a Series is ambiguous”)

• לשכוח סוגריים סביב כל תנאי בשילוב (df["Age"] >= 18 & df["Score"] > 80 בלי סוגריים — שגיאה או תוצאה שגויה)

• לבלבל בין ascending=True (ברירת מחדל, עולה) ל-ascending=False (יורד)

סיכום#

Boolean Indexing (df[condition]) הוא תחביר הסינון המרכזי ב-Pandas — מקביל ל-Where ב-LINQ, אך דורש &/| (לא and/or) לשילוב תנאים, עם סוגריים לכל תנאי בנפרד. sort_values ממיין לפי עמודה אחת או כמה, עם ascending לקביעת כיוון — מקביל ל-OrderBy/OrderByDescending. סינון ומיון ניתנים לשרשור לתוצאה אחת קריאה.

דוקומנטציה רשמית#

Pandas — Boolean indexing

Pandas — sort_values

תרגילים#

תרגיל 1 — סינון בסיסי#

המשימה: מתוך DataFrame עם עמודת Price, סננו רק מוצרים במחיר מעל 100.

בדיקה: רק שורות עם Price > 100 מופיעות בתוצאה.

תרגיל 2 — סינון משולב ומיון#

המשימה: סננו מוצרים במחיר מעל 100 וגם בקטגוריה מסוימת, ומיינו את התוצאה לפי מחיר יורד.

בדיקה: התוצאה כוללת רק מוצרים שעונים על שני התנאים יחד, ממוינת נכון מהיקר לזול.

פרויקט מסכם#

המשימה: בנו דוח “תלמידים מצטיינים” מתוך DataFrame של ציונים.

דרישות:

1. סננו רק תלמידים עם ציון מעל 85 וגם נוכחות מעל 90% (שתי עמודות, שילוב &)
2. מיינו את התוצאה לפי ציון יורד
3. הציגו רק את העמודות הרלוונטיות (Name, Score) בתוצאה הסופית (בחירת עמודות עם df[["Name", "Score"]])

בדיקה: התוצאה מכילה רק תלמידים שעונים על שני התנאים, ממוינת נכון, עם שתי העמודות בלבד.

מה בפרק הבא#

בפרק הבא — Transform: merge, groupby, agg, apply: איך משלבים כמה DataFrames יחד וסופרים/מחשבים לפי קבוצות — הכלים האנליטיים המרכזיים של Pandas.