Python Pandas 列数据筛选方法汇总
Pandas 列数据筛选方法汇总
- 数据准备：
- 一、筛选得到指定的列
- 1.1 根据 label 选择特定的几列
- 1.2 选择单列的两种方式
- 1.3 通过正则表达式选择列
- 二、同时对 行 和 列 进行筛选
- 2.1 通过切片 df.loc[ : , : ]
- 2.2 通过选择 序号 选择列 df.iloc[ : , : ]
- 2.3 对 特定 列的数据进行逻辑筛选
数据准备：
import pandas as pd
# 假设有 5 个人，分别参加了 4 门课程，获得了对应的分数
data = {'name' : pd.Series(['Alice', 'Bob', 'Cathy', 'Dany', 'Ella']),'Math_A' : pd.Series([1.1, 2.2, 3.3, 4.4, 5]),'English_A' : pd.Series([3, 2.6, 2, 1.7, 3]),'Math_B' : pd.Series([1.7, 2.5, 3.6, 2.4, 5]),'English_B' : pd.Series([5, 2.6, 2.4, 1.3, 3]),}df = pd.DataFrame(data)
print(df)
** 运行结果：**
name Math_A English_A Math_B English_B
0 Alice 1.1 3.0 1.7 5.0
1 Bob 2.2 2.6 2.5 2.6
2 Cathy 3.3 2.0 3.6 2.4
3 Dany 4.4 1.7 2.4 1.3
4 Ella 5.0 3.0 5.0 3.0
一、筛选得到指定的列
1.1 根据 label 选择特定的几列
print(df[['name', 'Math_A', 'Math_B']])
# 注意这里是 双重 []
运行结果：
name Math_A Math_B
0 Alice 1.1 1.7
1 Bob 2.2 2.5
2 Cathy 3.3 3.6
3 Dany 4.4 2.4
4 Ella 5.0 5.0
1.2 选择单列的两种方式
print(df['name'])
# 注意这里就是 单 []
print(df.name)
运行结果：
0 Alice
1 Bob
2 Cathy
3 Dany
4 Ella
Name: name, dtype: object
0 Alice
1 Bob
2 Cathy
3 Dany
4 Ella
Name: name, dtype: object
1.3 通过正则表达式选择列
print(df.filter(regex='B$'))
# 选择以 'B' 为结尾的 label
运行结果：
Math_B English_B
0 1.7 5.0
1 2.5 2.6
2 3.6 2.4
3 2.4 1.3
4 5.0 3.0
常用正则表达式：
二、同时对 行 和 列 进行筛选
2.1 通过切片 df.loc[ : , : ]
print(df.loc[:2,'English_A':'English_B'])
# 注意，这里的切片 与 Python 本身的不同，包含了结尾！
# 所以这个例子中包含了 第 2 行 和 'English_B' 列
运行结果：
English_A Math_B English_B
0 3.0 1.7 5.0
1 2.6 2.5 2.6
2 2.0 3.6 2.4
2.2 通过选择 序号 选择列 df.iloc[ : , : ]
print(df.iloc[:2 , [0,3]])
# 注意，这里的切片没有包含第 2 行！同时选择了 第 0 列 和 第 3 列
# 如果想要 同时选择 0～3 列（共4列），要使用 :4
运行结果：
name Math_B
0 Alice 1.7
1 Bob 2.5
2.3 对 特定 列的数据进行逻辑筛选
print(df.loc[df['English_A'] > 2, ['name', 'English_A']])
# 这里我希望查看 'English_A' 这个科目分数 2 分以上有哪些人
运行结果：
name English_A
0 Alice 3.0
1 Bob 2.6
4 Ella 3.0
Python Pandas 列数据筛选方法汇总相关推荐
- Python Pandas 行数据筛选方法汇总
Pandas 行数据筛选 一.准备数据 二.通过逻辑规则筛选(大于/小于等) 三.删除重复元素 三.显示最前面 / 最后面的 n 行 3.1 显示前面 n 行 3.2 显示后面 n 行 四.随机抽取 ...
- Pandas中常见的20多种数据筛选方法，116张图详解 | 图解Pandas-图文第8篇
01写在前面 大家好,我是阳哥,欢迎来到「Python数据之道」. 本次是<图解Pandas>系列图文内容的 第 08 篇,主要介绍 Pandas 中常见的数据筛选 . 本文是付费阅读文章 ...
- python的pandas方法_python使用Pandas处理数据的方法
python使用Pandas处理数据的方法 发布时间:2020-06-17 13:50:10 来源:亿速云 阅读:119 作者:鸽子 Pandas是Python中非常常用的数据处理工具,使用起来非常方 ...
- pandas 不要编号 加一行_文科生带你学Python|Pandas读取数据
16 2020-08 文科生带你学Python|Pandas读取数据 距离上一次更新时间有点久,原因么,被大佬的代码打击到了,于是回去自闭充了一波电-- LEARN MORE 图片来自网络,如侵删 向 ...
- Python pandas.DataFrame.combine_first函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.tz_localize函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.expanding函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.melt函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
- Python pandas.DataFrame.round函数方法的使用
Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的.Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具.Pandas提供了大量能使我们快速 ...
最新文章
- 用Jquery控制文本框只能输入数字和字母及jquery自定义方法$.fn
- Tesseract 3.02 OCR文字识别调查记录
- JDK动态代理与CGLIB动态代理区别
- java 中的 Scanner
- 2019年最流行的10个前端框架
- python输出箭头代码_python matplotlib 注释文本箭头简单代码示例
- (转) android UI进阶之用gallery实现可滑动的Tab
- 电子邮件客户端程序_您更喜欢哪个电子邮件客户端？
- AFNetworking请求提示Invalid parameter not satisfying: URLString
- 射击比赛（java）
- ios开发中如何隐藏各种bar
- 鸿蒙系统hdc,HDC2020有看头：要揭开鸿蒙系统和EMUI11神秘面纱？
- 2022超火的微信小说小程序源码-自带安装教程
- 那么一个数字字符串比如“111“，就可以转化为“AAA”、“KA”和“AK”。
- DSPE-PEG9-Mal纯度是95%以上的单分散小分子PEG试剂
- 数据防泄密系统，你了解多少呢？
- Java—九九乘法表
- 西瓜测试软件,西瓜视频v2.0.0
- SQLyog Ultimate 13.2 Crack
- Matlab：表示 MATLAB 中的日期和时间