División de un marco de datos según el valor de la columna en Pandas

A menudo, en el análisis de datos, nos encontramos con situaciones en las que necesitamos dividir un marco de datos en varios DataFrames basados ​​en un valor de columna específico. Uno de esos casos es cuando queremos dividir un DataFrame en dos partes: una que contiene filas con valores por debajo de un cierto umbral y otra que contiene filas con valores superiores o iguales a ese umbral.

En Pandas, podemos lograr esto dividir usando indexación booleana. Así es como podemos lograr esta división con un ejemplo:

Considere el siguiente DataFrame con una columna llamada 'Ventas':

df = pd.DataFrame({'Sales':[10,20,30,40,50], 'A':[3,4,7,6,1]})
print (df)

   A  Sales
0  3     10
1  4     20
2  7     30
3  6     40
4  1     50

Supongamos que queremos dividir este DataFrame en dos según un valor de Ventas de 30:

División con comparación directa:

El El método más simple es usar comparación directa con el operador de indexación booleano '>=':

s = 30

df1 = df[df['Sales'] >= s]
print (df1)

   A  Sales
2  7     30
3  6     40
4  1     50

Esto crea un nuevo DataFrame llamado df1 que contiene todas las filas donde el valor de Ventas es mayor o igual a 30.

División con máscara inversa:

Para crear un DataFrame con filas donde Ventas sea menor a 30, podemos invertir la máscara usando ~:

df2 = df[~mask]
print (df2)

   A  Sales
0  3     10
1  4     20

Esto crea un nuevo DataFrame llamado df2 que contiene todas las filas donde el valor de Ventas es menor que 30.