فیلتر کردن داده ها در Matplotlib

import numpy as np
import matplotlib.pyplot as plt

# داده های مربوط به نام، سن و قد
data = np.array([
    ['Alice', ۳۰, ۱۷۰],
    ['Bob', ۲۵, ۱۸۲],
    ['Charlie', ۲۲, ۱۶۸],
    ['David', ۳۳, ۱۷۵],
    ['Emily', ۲۷, ۱۷۱]
])

# انتخاب داده هایی که سن آنها بیشتر از ۲۵ سال باشد
filtered_data = data[np.where(data[:, ۱] > ۲۵)]

# چاپ داده های فیلتر شده
print(filtered_data)

import numpy as np
import matplotlib.pyplot as plt

# داده های مربوط به نام، سن و شهر
data = np.array([
    ['Alice', ۳۰, 'Berlin'],
    ['Bob', ۲۵, 'Paris'],
    ['Charlie', ۲۲, 'Berlin'],
    ['David', ۳۳, 'Madrid'],
    ['Emily', ۲۷, 'Berlin']
])

# انتخاب داده هایی که ساکن شهر برلین هستند
filtered_data = data[np.isin(data[:, ۲], ['Berlin'])]

# چاپ داده های فیلتر شده
print(filtered_data)

import numpy as np
import matplotlib.pyplot as plt

# داده های مربوط به دما در طول روز
temperatures = np.array([۲۰, ۲۲, ۲۵, ۲۷, ۲۸, ۲۶, ۲۴, ۲۲, ۲۱])

# انتخاب داده های مربوط به بعد از ظهر (شاخص ۳ به بعد)
afternoon_temperatures = temperatures[۳:]

# رسم نمودار خطی با داده های فیلتر شده
plt.plot(afternoon_temperatures)
plt.xlabel('زمان (ساعت)')
plt.ylabel('دمای هوا (درجه سانتیگراد)')
plt.title("نمودار خطی با داده های مربوط به بعد از ظهر")
plt.show()

import numpy as np
import matplotlib.pyplot as plt

# داده های مربوط به قد و وزن
heights = np.array([۱۷۰, ۱۶۵, np.nan, ۱۷۲, ۱۷۵])
weights = np.array([۶۵, ۷۰, np.nan, ۶۸, ۷۲])

# حذف ردیف هایی که مقادیر NaN دارند
valid_indices = np.where(~np.isnan(heights) & ~np.isnan(weights))[۰]
filtered_heights = heights[valid_indices]
filtered_weights = weights[valid_indices]

# رسم نمودار پراکندگی با داده های فیلتر شده
plt.scatter(filtered_heights, filtered_weights)
plt.xlabel('قد (سانتی متر)')
plt.ylabel('وزن (کیلوگرم)')
plt.title("نمودار پراکندگی با داده های فیلتر شده (بدون NaN)")
plt.show()