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 det här avsnittet kommer vi att lära oss hur man extraherar data med hjälp av specifika villkor, men först vill jag att du undersöker den datamängd vi kommer att använda. Den innehåller data om asteroider: 

- `id` - Unik identifierare för varje asteroid;
- `name` - Namn givet av NASA;
- `est_diameter_min` - Minsta uppskattade diameter i kilometer;
- `est_diameter_max` - Största uppskattade diameter i kilometer;
- `absolute_magnitude` - Beskriver hur ljus objektet är;
- `hazardous` - Boolesk egenskap som visar om asteroiden är farlig eller inte.

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 är redan bekant med attributet `.loc[]`, men här kommer vi att utöka dess möjligheter.

Ett av de mest användbara verktygen är att ange villkor på en kolumn för att extrahera specifika värden. Du placerar helt enkelt kolumnens villkor inuti attributet `.loc[]`. Titta på de olika villkoren och resultaten.

- `data.loc[data['est_diameter_max'] < 0.005].head()` – extraherar de första fem raderna där kolumnvärdena `'est_diameter_max'` är mindre än `0.005`;
- `data.loc[data['absolute_magnitude'] >= 30].head()` – extraherar de första fem raderna där kolumnvärdena `'absolute_magnitude'` är större än eller lika med `30`.

Din uppgift är att välja alla korrekta sätt att ange villkor på kolumnen `'est_diameter_min'`. Observera att denna kolumn är numerisk, så fundera på vilka villkor vi kan använda med siffror.

Denna kurs innehåller många användbara funktioner för en framtida dataanalytiker. Du kommer att lära dig olika sätt att extrahera data och även sätta villkor på den. Därefter kommer du att bli bekant med metoder för att gruppera data. Du kommer också att lära dig hur man förbehandlar data. Varje avsnitt har sitt eget dataset, vilket gör kursen engagerande.

Detta avsnitt lär dig hur du kan visa specifika kolumner utifrån deras titlar eller index. Du kommer även att bekanta dig med olika sätt att välja rader utifrån index.

Här kommer du att lära dig hur du extraherar data som uppfyller specifika villkor. Du kommer även att lära dig hur du kombinerar dessa och till och med skapar egna.

I det här avsnittet kommer du att fördjupa dina kunskaper om att ställa in olika datavillkor. Du kommer att lära dig att kontrollera om dina data finns i en definierad lista av värden eller mellan två värden. Du kommer även att lära dig hur du hittar de största och minsta värdena.

Detta avsnitt är ett av de mest fascinerande i kursen. Här kommer du att lära dig hur man grupperar data på olika sätt. Det kommer att hjälpa dig att arbeta som dataanalytiker för att hitta information om specifika datagrupper.

Detta avsnitt är ett av de mest betydelsefulla för en dataanalytiker eftersom det blir omöjligt att arbeta med data om den innehåller saknade värden eller är i fel format. Därför kommer du att lära dig hur man hanterar sådana olämpliga värden här.

Ange Villkor