一分钟实现python取出dataframe中某列值等于某几个固定值的所有信息

本文介绍了如何在Python的pandas库中,利用isin()函数从DataFrame中筛选出QPRE列中值等于0、2或3的所有行,通过一个示例展示了实际操作过程。
部署运行你感兴趣的模型镜像

1、解释说明

在Python中,可以使用pandas库中的DataFrame来实现取出dataframe中某列值等于某几个固定值的所有信息。具体操作是使用isin()函数来筛选出符合条件的行。

2、使用示例

假设我们有一个名为data_pre_1min的DataFrame,其中有一列名为QPRE,我们想要筛选出QPRE列中值为0、2或3的所有行。可以使用以下代码实现:

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3, 4, 5],
        'B': [6, 7, 8, 9, 10],
        'QPRE': [0, 2, 3, 1, 2]}
data_pre_1min = pd.DataFrame(data)

# 筛选出QPRE列中值为0、2或3的所有行
filtered_data = data_pre_1min[data_pre_1min['QPRE'].isin([0, 2, 3])]
print(filtered_data)

您可能感兴趣的与本文相关的镜像

Python3.9

Python3.9

Conda
Python

Python 是一种高级、解释型、通用的编程语言,以其简洁易读的语法而闻名,适用于广泛的应用,包括Web开发、数据分析、人工智能和自动化脚本

Python中,可使用不同方式依据DataFrame某一将其划分为多个DataFrame。 ### 分步骤操作 可以通过以下步骤实现,先导入所需库,读取数据,再根据某唯一划分DataFrame: ```python import pandas as pd import numpy as np pd.set_option('display.max_rows', 8) # 行数设置为8 # 读取数据 data = pd.read_csv("data.csv") unique_values = data['某名'].unique() df_dict = {} for value in unique_values: df_dict[value] = data[data['某名'] == value] ``` 这里的`某名`需替换为实际用于划分的名,通过遍历该的唯一,将符合每个唯一的行提取出来形成新的DataFrame并存储在字典中 [^1]。 ### 利用循环和字典划分并操作后合并 以下代码将`df`中`食物名称`相同的数据划分为多个小DataFrame,在每个小DataFrame中对指定求和并添加到最后一,最后合并: ```python df_dict = {} a = df['食物名称'].unique() for i in a: data = df[df['食物名称'].isin([i])] df_dict["df" + str(i)] = data df_list = [] # 访问存储在字典中的小DataFrame for i in a: df_name = "df" + str(i) df_data = df_dict[df_name] df_data.loc['Col_sum'] = df_data.iloc[:, 8:].sum(axis=0) # 对指定求和,生成新行 df_data.iloc[-1, 0] = df_data.iloc[-2, 0] df_data.iloc[-1, 1] = df_data.iloc[-2, 1] df_data.iloc[-1, 2] = df_data.iloc[-2, 2] df_data.iloc[-1, 3] = df_data.iloc[-2, 3] df_data.iloc[-1, 4] = df_data.iloc[-2, 4] df_data.iloc[-1, 5] = df_data.iloc[-2, 5] df_data.iloc[-1, 6] = df_data.iloc[-2, 6] df_data.iloc[-1, 7] = df_data.iloc[-2, 7] df_data = df_data.iloc[-1, :] # 重新赋,取最后一行 df_data = df_data.values.tolist() # 转换数类型 df_list.append(df_data) result_df = pd.DataFrame(df_list) ``` 此方法先将相同`食物名称`的数据存于字典,再对每个小DataFrame进行操作,最后合并成新的DataFrame [^2]。 ### 多分组拆分 若要根据多拆分DataFrame,可先对不同进行分组,获取小DataFrame,操作后再合并: ```python df_frames = [] # 假设shop_info和month_info分别是ShopName和month的唯一表 for shop_index, temp_shop_info in enumerate(shop_info): # 对ShopName商铺进行拆分 temp_shop_data = data[data['ShopName'].isin([temp_shop_info])] for month_index, temp_month_info in enumerate(month_info): # 对month进行拆分 temp_month_date = temp_shop_data[temp_shop_data['month'].isin([temp_month_info])] # 从大到小排序,取前90% temp_date = temp_month_date[0:int(len(temp_month_date) * 0.9)] df_frames.append(temp_date) result = pd.concat(df_frames) ``` 该方法先按`ShopName`拆分,再按`month`拆分,对每个小DataFrame进行排序和筛选操作,最后用`pd.concat`合并所有小DataFrame [^3]。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值