总结了pandas提取数据的15种方法，统统只需1行代码，真香！

前言

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。

PS：如有需要Python学习资料的小伙伴可以点击下方链接自行获取

python免费学习资料、代码以及交流解答点击即可加入

---

 

pandas是python数据分析必备工具，它有强大的数据清洗能力，往往能用非常少的代码实现较复杂的数据处理

今天总结了pandas筛选数据的15个常用技巧，主要包括5个知识点：
1.比较运算：==、<、>、>=、<=、!=
2.范围运算：between(left,right)
3.字符筛选:str.contains(pattern或字符串,na=False)
4.逻辑运算：&（与）、|（或）、not(取反)
5.比较函数：eq, ne, le, lt, ge, gt（相当于==,=!，<=，<，>=，>）
6.apply和isin函数

下面以超市运营数据为例，给大家逐个讲解

首先读取数据：

 

 

 

先看一下各列的数据类型：

 

 

下面以实际应用场景为例开始讲解：

1.筛选门店编号为'CDXL'的运营数据

①第一种方法，用比较运算符‘==’：

 

②第二种方法，用比较函数'eq'：

 

2.筛选单价小于等于10元的运营数据

③第一种方法，用比较运算符‘<=’:

 

④第二种方法，用比较函数'le'：

 

3.筛选销量大于2000的运营数据

⑤第一种方法，用比较运算符‘>=’:

 

⑥第二种方法，用比较函数'ge'：

 

4.筛选除门店'CDXL'外的运营数据

⑦第一种方法，用比较运算符‘!=’:

 

⑧第二种方法，用比较函数'ne':

 

5.筛选2020年5月的运营数据

首先将日期格式化：

 

 

⑨第一种方法，用逻辑运算符号'>' '<'和'&'：

Pandasdatetime64[ns]不能直接与datetime.date相比，需要用pd.Timestamp进行转化

 

 

⑩第二种，用比较函数'gt''lt'和'&':

 

⑪第三种，用apply函数实现:

 

⑫第四种，用between函数实现:

 

6.筛选“类别ID”包含'000'的数据

⑬第一种，用contains函数：

 

⑭第二种，用isin函数：

 

很遗憾，isin函数搞不定，因为它只能判断该列中元素是否在列表中

7.筛选商品ID以“301”开头的运营数据

⑮需要用contains函数结合正则表达式使用：

 

 

以上就是总结的pandas提取数据的15种方法，是否有你喜欢的呢？