Summary  
This chapter explains how to use conditional filtering with the `.loc[]` attribute in Pandas to create Boolean masks that extract rows meeting specific column-based criteria.  

General domain of usage  
Astronomical data analysis

I denne delen skal vi lære hvordan man kan hente ut data ved hjelp av spesifikke betingelser, men først vil jeg at du skal se nærmere på datasettet vi skal bruke. Det inneholder data om asteroider:

- `id` - Unik identifikator for hver asteroide;
- `name` - Navn gitt av NASA;
- `est_diameter_min` - Minimum estimert diameter i kilometer;
- `est_diameter_max` - Maksimum estimert diameter i kilometer;
- `absolute_magnitude` - Beskriver hvor lys objektet er;
- `hazardous` - Boolsk egenskap som viser om asteroiden er farlig eller ikke.

Watch this video to see how you can set conditions in pandas to extract specific data from your DataFrame. You'll learn how to use the `.loc[]` attribute with conditional statements to filter rows based on numerical values, such as finding asteroids with a diameter above or below a certain threshold. The video covers practical examples using the asteroid dataset, demonstrating step-by-step how to write and interpret these conditions in your code.

Du er allerede kjent med `.loc[]`-attributtet, men her skal vi utvide mulighetene.

Et av de mest nyttige verktøyene er å sette betingelser på en kolonne for å hente ut spesifikke verdier. Du setter bare betingelsen for kolonnen inne i `.loc[]`-attributtet. Se på de ulike betingelsene og resultatene.

- `data.loc[data['est_diameter_max'] < 0.005].head()` – henter de fem første radene der kolonneverdiene `'est_diameter_max'` er mindre enn `0.005`;
- `data.loc[data['absolute_magnitude'] >= 30].head()` – henter de fem første radene der kolonneverdiene `'absolute_magnitude'` er større enn eller lik `30`.

Din oppgave er å velge alle riktige måter å sette betingelser på kolonnen `'est_diameter_min'`. Vær oppmerksom på at denne kolonnen er numerisk, så vurder hvilke betingelser som kan brukes med tall.

Dette kurset inneholder mange nyttige funksjoner for en fremtidig dataanalytiker. Du vil lære ulike måter å hente ut data på og til og med sette betingelser for dem. Etter dette vil du bli kjent med metoder for å gruppere data. Du vil også lære hvordan du forhåndsbehandler data. Hver seksjon har sitt eget datasett, noe som gjør kurset engasjerende.

Denne seksjonen vil lære deg hvordan du kan hente ut spesifikke kolonner ved hjelp av titler eller indekser. Du vil også bli kjent med ulike måter å velge rader basert på indekser.

Her vil du lære hvordan du kan hente ut data som oppfyller spesifikke betingelser. Du vil også lære hvordan du kan kombinere dem og til og med lage dine egne.

I denne delen vil du utvide kunnskapen din om å sette ulike datakriterier. Du vil lære å sjekke om dataene dine finnes i en definert liste med verdier eller mellom to verdier. Du vil også lære hvordan du finner de største og minste verdiene.

Denne seksjonen er en av de mest fascinerende i kurset. Her vil du lære hvordan du kan gruppere data på ulike måter. Dette vil hjelpe deg som dataanalytiker med å finne informasjon om spesifikke datagrupper.

Denne seksjonen er en av de viktigste for en dataanalytiker fordi det vil være umulig å arbeide med dataene dersom de inneholder manglende verdier eller feil format. Derfor vil du lære hvordan du håndterer slike upassende verdier her.

Sette Betingelse