Hay varias formas de filtrar filas en Pandas, lo más simple es crear una máscara (array de booleanos) usando un condicional sobre la columna en cuestión y posteriormente filtrar las filas del Dataframe con ella. Básicamente es el procedimiento que se sigue en NumPy para filtrar arrays. A esto se le conoce como indexación booleana.
Podemos crear un pequeño ejemplo para verlo:
import pandas as pd
from io import StringIO
data = StringIO('''
Nombre,Edad,Sexo,Fecha
Juan,12,M,20/08/2017
Laura,21,F,24/07/2017
Pedro,53,M,13/01/2017
María,17,F,15/03/2017
Luís,19,M,15/07/2017
Miguel,23,M,14/08/2017
''')
df = pd.read_csv(data, header=0, parse_dates = ['Fecha'], dayfirst = True)
Tenemos por tanto el siguiente Dataframe:
>>> df
Nombre Edad Sexo Fecha
0 Juan 12 M 2017-08-20
1 Laura 21 F 2017-07-24
2 Pedro 53 M 2017-01-13
3 María 17 F 2017-03-15
4 Luís 19 M 2017-07-15
5 Miguel 23 M 2017-08-14
Podemos filtrar usando la columna sexo
para obtener otro Dataframe que solo contenga las filas correspondientes a mujeres simplemente haciendo:
>>> df2 = df[df['Sexo'] == 'F']
>>> df
Nombre Edad Sexo Fecha
1 Laura 21 F 2017-07-24
3 María 17 F 2017-03-15
Con df['Sexo'] == 'F'
simplemente se crea una máscara que en este caso es una serie de Pandas y que contiene una única columna de booleanos: [False, True, False, True, False, False]
resultado de comparar si cada valor de la columna es igual a 'F'
. Podemos filtrar con cualquier otro iterable de valores boleanos, por ejemplo un array de NumPy, una lista, una columna de otro DataFrame, etc.
Otro ejemplo, filtrando los que tienen 18 años o más:
>>> df2 = df[df['Edad'] >= 18]
>>> df2
Nombre Edad Sexo Fecha
1 Laura 21 F 2017-07-24
2 Pedro 53 M 2017-01-13
4 Luís 19 M 2017-07-15
5 Miguel 23 M 2017-08-14
Edición:
Puedes filtrar por fechas siguiendo la misma idea, por ejemplo podemos filtrar las fila con Fecha
entre la fecha actual y 30 días atrás:
>>> fecha_limite = pd.datetime.now().date() - pd.Timedelta(days=30)
>>> df2 = df[(df['Fecha'] > fecha_limite)]
>>> df2
Nombre Edad Sexo Fecha
0 Juan 12 M 2017-08-20
1 Laura 21 F 2017-07-24
5 Miguel 23 M 2017-08-14
También se pueden usar varias condiciones, por ejemplo la condición anterior pero que además sea mujer:
>>> fecha_limite = pd.datetime.now().date() - pd.Timedelta(days=30)
>>> df2 = df[(df['Fecha'] > fecha_limite) & (df['Sexo'] == 'F')]
>>> df2
Nombre Edad Sexo Fecha
1 Laura 21 F 2017-07-24
Se puede filtrar usando el índice de la misma forma o usando loc
, por ejemplo, si nuestra columna Fecha
fuera en índice del DataFrame (DateTimeIndex) podemos hacer:
>>> fecha_limite = pd.datetime.now().date() - pd.Timedelta(days=30)
>>> df2 = df[df.index.date > fecha_limite]
df.drop
. El orden de las filas no se altera en ningún momento como es obvio.