python取数据框的几列_python pandas 数据框 条件选取行列数据

原文：http://blog.youkuaiyun.com/u010770993/article/details/70312506

我们说excel好用，在处理大型数据表格的时候，excel可以非常方便地进行筛选。那么pandas是否有类似的功能呢？答案是肯定的。下面介绍的几个操作，返回的类型都是dataframe，因此可以进行嵌套操作，非常方便。

一、选取几列组成新的dataframe：

df = df[['A列列明', 'S列列明', 'H列列明']]

二、选取某列'STATUS'里面元素为"ACTIVE"的行，即删掉列STATUS元素不是ACTIVE的行

df = df[df['STATUS'] == "ACTIVE"]

(单项条件搜索，类似SELECT ALL WHERE df.STATUS = ACTIVE)

三、选取'BADTHING'列为元素空的行，既badthing这列有内容的行全部去掉，组成一个新的dataframe

df = df[df['BADTHING'].isnull()]

(空值搜索)

四、选取GOODREASON列元素为列表['quality', 'cheap']内元素的行

df = df[df['GOODREASON'].isin(['quality', 'cheap'])]

(多项条件搜索，类似SELECT ALL WHERE df.GOODREASON= quality AND cheap)

五、分组并进行遍历，运用groupby和for：

groupByNew = df.groupby('CITY', sort=False)

for name, groupData in groupByNew:

# TODO …… ……

如代码所示，我们可以对dataframe以某列'CITY'进行分组。我们如何取出某组的数据呢？当然是用

for循环。取出来的name即是组名，而groupData同样是一个dataframe，可以进行更进一步操作。

六、对Series数据进行排序：

series= series.sort_values(ascending=False)  # 进行从大到小排序

进阶：关于groupby的一些信息：

在进行groupby运算后，直接打印会得一个object信息，添加groups参数后

print df.groupby(by=['CITY']).groups

打印出来会是带group标签和原数据行标签(也就是原来dataframe里面对应行的index)的组合信息：

{'BEIJING': [25998L, 26134L, 26135L, 26235L, 26340L], 'SHANGHAI': [33370L, 33426L, 33541L], 'CHENGDU': [26153L]

我们可以看到，按照groups来print，得出city为北京的情况下，对应原来的行标签第25998行、26134行等

即使指定了某列：

print df.groupby(by=['CITY'])['QUANTITY'].groups

依然会得出相同的结果：

{'BEIJING': [25998L, 26134L, 26135L, 26235L, 26340L], 'SHANGHAI': [33370L, 33426L, 33541L], 'CHENGDU': [26153L]

除非我们把每个分组的所有行都整理成一行，如用sum来求和：

print df.groupby(by=['CITY'])['QUANTITY'].sum()

这样就可以成功转换成dataframe了：

CITY

BEIJING        5

SHANGHAI  207

CHENGDU   518

……

汇总说明如下：

print '----------NEW------------\n', type(df.groupby(by=['CITY']))

print '----------NEW------------\n', type(df.groupby(by=['CITY']).sum())

print '----------NEW------------\n', type(df.groupby(by=['CITY'])['QUANTITY'])

print '----------NEW------------\n', type(df.groupby(by=['CITY'])['QUANTITY'].sum())

所得结果为：

----------NEW------------

----------NEW------------

----------NEW------------

----------NEW------------

说明：

一个dataframe经过groupby以后得到的类型是pandas.core.groupby.DataFrameGroupBy。而用for in循环取出的每个项的类型是pandas.core.frame.DataFrame

一个dataframe经过groupby再进行sum以后仍然是dataframe(不过具体通过那一列来sum有待考证)

一个dataframe经过groupby以后再进行列选取，得到的是pandas.core.groupby.SeriesGroupBy类型。可知用for in循环取出的是pandas.core.series.Series

一个series经过groupby再进行sum以后仍然是series

标签：