pandas教程[4]Dataframe筛选数据！！！！！！！！！！！！！！！！！！！！！！

最新推荐文章于 2025-09-08 17:20:22 发布

转载最新推荐文章于 2025-09-08 17:20:22 发布 · 1.4w 阅读

本文介绍了使用Python的Pandas库进行DataFrame数据筛选的方法。包括基本的条件筛选、多个条件组合筛选以及使用isin方法筛选特定值等技巧。通过具体实例展示了如何高效地筛选和处理数据。

>>> import pandas as pd
>>> import numpy as np
>>> #今天还是用到了DataFrame，如果你用一下它的筛选数据的功能，你会大吃一惊，它非常擅长筛选数据，可以极大提高你的工作效率，废话不多说，下面看看几个进行复杂数据筛选的例子。
>>> #首先我们创建一个DataFrame，该DataFrame包含的数据如下
>>> df=pd.DataFrame(np.random.randn(6,4),columns=list('ABCD'))
>>> df
          A         B         C         D
0 -1.108935  1.187163  1.546778  0.246329
1 -0.015045  1.367264 -0.617322 -1.068358
2  0.502788  0.305497 -0.819171 -0.331027
3  2.585354 -0.043285  1.056259 -0.079882
4  0.316549 -1.464567  1.504431  0.803362
5 -1.097251 -0.706594 -1.393058 -0.251690
>>> #假如我们想要筛选D列数据中大于0的行
>>> df[df.D>0]
          A         B         C         D
0 -1.108935  1.187163  1.546778  0.246329
4  0.316549 -1.464567  1.504431  0.803362
>>> #使用&符号可以实现多条件筛选，当然是用"|"符号也可以实现多条件，只不过他是或的关系。
>>> df[(df.D>0)&(df.C<0)]
Empty DataFrame
Columns: [A, B, C, D]
Index: []
>>> df[(df.D<0)&(df.C>0)]
          A         B         C         D
3  2.585354 -0.043285  1.056259 -0.079882
>>> df[(df.D<0.5)&(df.C>1.5)]
          A         B         C         D
0 -1.108935  1.187163  1.546778  0.246329
>>> df[(df.D<0.5)|(df.C>1.5)]
          A         B         C         D
0 -1.108935  1.187163  1.546778  0.246329
1 -0.015045  1.367264 -0.617322 -1.068358
2  0.502788  0.305497 -0.819171 -0.331027
3  2.585354 -0.043285  1.056259 -0.079882
4  0.316549 -1.464567  1.504431  0.803362
5 -1.097251 -0.706594 -1.393058 -0.251690
>>> df[(df.D<0.5)|(df.C>1.52)]
          A         B         C         D
0 -1.108935  1.187163  1.546778  0.246329
1 -0.015045  1.367264 -0.617322 -1.068358
2  0.502788  0.305497 -0.819171 -0.331027
3  2.585354 -0.043285  1.056259 -0.079882
5 -1.097251 -0.706594 -1.393058 -0.251690
>>> #假如我们只需要A和B列数据，而D和C列数据都是用于筛选的，可以这样写：只返回了AB两列数据
>>> df[['A','B']][(df.D>0)&(df.C<0)]
Empty DataFrame
Columns: [A, B]
Index: []
>>> df[['A','B']][(df.D<0)&(df.C>0)]
          A         B
3  2.585354 -0.043285
>>> index = (df.D<0)&(df.C>0)
>>> index
0    False
1    False
2    False
3     True
4    False
5    False
dtype: bool
>>> df(index)
Traceback (most recent call last):
  File "<pyshell#19>", line 1, in <module>
    df(index)
TypeError: 'DataFrame' object is not callable
>>> df[index]
          A         B         C         D
3  2.585354 -0.043285  1.056259 -0.079882
>>> #我们还可以使用insin方法来筛选特定的值，把要筛选的值写到一个列表里，如alist
>>> alist=[-0.079882,0.687050,0.3685412]
>>> df['D'].isin(alist)
0    False
1    False
2    False
3    False
4    False
5    False
Name: D, dtype: bool
>>> alist=[0.246329]
>>> df['D'].isin(alist)
0    False
1    False
2    False
3    False
4    False
5    False
Name: D, dtype: bool
>>> df[df['D'].isin(alist)]
Empty DataFrame
Columns: [A, B, C, D]
Index: []
>>> df=pd.DataFrame(np.random.normal(6,4),columns=list('ABCD'))
Traceback (most recent call last):
  File "<pyshell#27>", line 1, in <module>
    df=pd.DataFrame(np.random.normal(6,4),columns=list('ABCD'))
  File "C:\Users\Administrator\AppData\Local\Programs\Python\Python36-32\lib\site-packages\pandas\core\frame.py", line 422, in __init__
    raise ValueError('DataFrame constructor not properly called!')
ValueError: DataFrame constructor not properly called!
>>> df=pd.DataFrame(np.arange(16).reshape(4,4),columns=list('ABCD'))
>>> df
    A   B   C   D
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15
>>> alist=[11]
>>> df['D'].isin(alist)
0    False
1    False
2     True
3    False
Name: D, dtype: bool
>>> df[df['D'].isin(alist)]
   A  B   C   D
2  8  9  10  11
>>>