Summary  
This chapter explains how to combine multiple boolean conditions with the bitwise operators & (and) and | (or) to filter data using DataFrame.loc in pandas.  

General domain of usage  
Data analysis

複数の条件を適用する必要がある場合があります。例えば、**危険**な小さい最小直径の小惑星に関するデータを抽出したい場合です。しかし、2つの条件を同時にどのように記述すればよいでしょうか？次の表を見てください。

この例は、このトピックに対処するための参考として含まれています。このコードは、最小推定直径が`3.5`キロメートルより大きく、`'hazardous'`が`True`である大きくて危険な小惑星のデータを抽出します。

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/planet', index_col = 0)
data_extracted = data.loc[(data['est_diameter_min'] > 3.5) & (data['hazardous'] == True)]
print(data_extracted)

出力には、次の2つの条件を満たすすべての行が表示されます：
- `est_diameter_min` > 3.5;
- `hazardous` == True.

次の `or` ステートメントを使った例を見てください。このコードは、最小推定直径が `0.0005` キロメートル未満、または最大推定直径が `20` キロメートルを超える非常に小さいまたは大きい小惑星のデータを抽出します。

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/planet', index_col = 0)
data_extracted = data.loc[(data['est_diameter_min'] < 0.0005) | (data['est_diameter_max'] > 20)]
print(data_extracted)

出力には、次のいずれかの条件を満たすすべての行が表示されます：
- `est_diameter_min` < 0.0005;
- `est_diameter_max` > 20.

import unittest
import pandas as pd
import io
import sys


def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)


def frames_equal_ignore_col_order(df1, df2):
    """ÐÐµÑÐµÐ²ÑÑÐºÐ° ÑÑÐ²Ð½Ð¾ÑÑÑ DataFrame Ð½ÐµÐ·Ð°Ð»ÐµÐ¶Ð½Ð¾ Ð²ÑÐ´ Ð¿Ð¾ÑÑÐ´ÐºÑ ÐºÐ¾Ð»Ð¾Ð½Ð¾Ðº."""
    if set(df1.columns) != set(df2.columns):
        return False
    common_cols = sorted(df1.columns)
    df1_sorted = df1[common_cols].reset_index(drop=True)
    df2_sorted = df2[common_cols].reset_index(drop=True)
    return df1_sorted.equals(df2_sorted)


class TestExtraction(unittest.TestCase):
    def test_filter_conditions(self):
        """
        1. Extract data where 'absolute_magnitude' >= 25 and 'hazardous' == False.
        """
        import user_code

        # ÐÐ°Ð²Ð°Ð½ÑÐ°Ð¶ÑÑÐ¼Ð¾ Ð¾ÑÐ¸Ð³ÑÐ½Ð°Ð»ÑÐ½Ð¸Ð¹ Ð´Ð°ÑÐ°ÑÑÐµÐ¹Ð¼
        df = pd.read_csv(
            "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/planet",
            index_col=0
        )

        # Ð¤Ð¾ÑÐ¼ÑÑÐ¼Ð¾ ÐµÑÐ°Ð»Ð¾Ð½
        ref = df.loc[(df["absolute_magnitude"] >= 25) & (df["hazardous"] == False)]

        condition = (
            hasattr(user_code, "data_extracted")
            and isinstance(user_code.data_extracted, pd.DataFrame)
            and frames_equal_ignore_col_order(user_code.data_extracted, ref)
        )

        _dynamic_test(
            self,
            condition,
            "The DataFrame is filtered correctly for bright and not hazardous asteroids.",
            "Filtering conditions are incorrect. Check both conditions and the use of '&' inside .loc[]."
        )


class TestOutput(unittest.TestCase):
    def test_output_sample(self):
        """
        2. Output 5 random rows from the resulting DataFrame using .sample(5).
        """
        import user_code

        captured_output = io.StringIO()
        sys.stdout = captured_output
        print(user_code.data_extracted.sample(5))
        sys.stdout = sys.__stdout__

        output_text = captured_output.getvalue().strip()
        condition = len(output_text) > 0
        _dynamic_test(
            self,
            condition,
            "The output displays 5 random rows from 'data_extracted' using .sample(5).",
            "The output is missing or incorrect. Use print(data_extracted.sample(5))."
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

このコースには、将来のデータアナリストにとって有用な多くの関数が含まれています。さまざまなデータ抽出方法や条件設定について学びます。その後、データのグループ化手法に精通できます。また、データの前処理方法も学びます。各セクションには独自のデータセットが用意されているため、コースは魅力的な内容となっています。

このセクションでは、タイトルやインデックスによって特定の列を出力する方法を学びます。また、インデックスによって行を選択する方法についても理解を深めます。

ここでは、特定の条件を持つデータを抽出する方法を学びます。また、それらを組み合わせる方法や独自の条件を作成する方法も学びます。

このセクションでは、さまざまなデータ条件の設定に関する知識を拡張します。データが定義された値のリスト内にあるか、2つの値の間にあるかを確認する方法を学びます。また、最大値と最小値を見つける方法についても学びます。

このセクションは、本コースの中でも特に興味深い内容の一つです。ここでは、データをさまざまな方法でグループ化する方法を学びます。特定のデータグループに関する情報を見つけるために、データアナリストとして役立つ知識を身につけることができます。

このセクションはデータアナリストにとって最も重要なものの一つです。なぜなら、データに不適切な形式の欠損値が含まれている場合、作業が不可能になるためです。ここでは、そのような不適切な値への対処方法を学びます。

複数の条件への対応

解答