pandas过滤数据

DataFrame:

原始数据：

1、可以通过 DataFrame[ 过滤条件 ] 来进行过滤

print(    data[ data['fruit_label'] == 1]   )

2、注意事项

过滤条件可以进行 与或非
过滤的条件超过一个时，需要在每个条件的外面加（）
运算符不能用 and,or,not 而是用 &，|，！

print(  data[  (data['fruit_name'] == 'apple') & (data['mass'] >= 100)  ])

print(data[ data['fruit_label'] != 1] )

3、 DataFrame 过滤后可以赋值

data = data[  data['fruit_label'] == 4 ]
data

Series：

将原数据中 mass列取出，对其进行过滤

注意事项跟DataFrame一致

ser = ser[ (ser > 170) & (ser < 180)  ]
ser

可直接对过滤所得数据进行赋值

ser[ (ser > 170) & (ser < 180)  ]  = 1
ser

pandas过滤数据相关推荐

pandas使用组合条件筛选、过滤数据行
pandas使用组合条件筛选.过滤数据行目录 pandas使用组合条件筛选.过滤数据行 #仿真数据
python数据预处理案例_对pandas进行数据预处理的实例讲解
参加kaggle数据挖掘比赛,就第一个赛题Titanic的数据,学习相关数据预处理以及模型建立,本博客关注基于pandas进行数据预处理过程.包括数据统计.数据离散化.数据关联性分析引入包和加载数据 ...
3-10 Pandas的数据规整
数据分析工具pandas 10. Pandas的数据规整 10.1 层次化索引 10.2 数据连接 10.2.1 pd.merge 10.2.2 pd.concat 10.3 重塑 10.3.1 st ...
【Pandas总结】第二节 Pandas 的数据读取_pd.read_csv()的使用详解（非常全面，推荐收藏）
使用pandas进行数据读取,最常读取的数据格式如下: NO 数据类型说明使用方法 1 csv, tsv, txt 可以读取纯文本文件 pd.read_csv 2 excel 可以读取.xls . ...
MySQL 学习笔记（1）— 创建/连接/选择/显示数据库(表) 查询单列(多列/所有列)/查询返回特定的行数各种排序(单列/多列/降序/组合排序) 过滤数据
本文是对之前学习 MySQL 的一个总结,使用思维导图的方式将涉及到的知识点罗列出来,一方面作为自己对于知识点的归纳,另一方面也便于日后查询. 在该篇文章中将对 MySQL 的基本使用.检索基本数据. ...
R语言dplyr处理dataframe：使用mutate函数生成新的列、recode函数进行数据编码、rename函数重命名字段、arrange排序数据列、select筛选数据、filter过滤数据
R语言使用dplyr包处理dataframe数据:使用mutate函数生成新的数据列.recode函数进行数据编码.rename函数重命名字段.arrange函数对数据列内容排序.select筛选数据 ...
R语言dplyr包数据过滤（filter）基于not in规则实战（not in Filter）:基于单数据列not in规则过滤数据行、基于多数据列not in规则过滤数据行
R语言dplyr包数据过滤(filter)基于not in规则实战(not in Filter):基于单数据列not in规则过滤数据行.基于多数据列not in规则过滤数据行目录
Python使用pandas设置数据列中float数据类型的有效小数位数、抑制科学计数法
Python使用pandas设置数据列中float数据类型的有效小数位数.抑制科学计数法目录
pandas删除数据行中的重复数据行、基于dataframe所有列删除重复行、基于特定数据列或者列的作何删除重复行、删除重复行并保留重复行中的最后一行、pandas删除所有重复行（不进行数据保留）
pandas删除数据行中的重复数据行.基于dataframe所有列删除重复行.基于特定数据列或者列的作何删除重复行.删除重复行并保留重复行中的最后一行.pandas删除所有重复行(不进行数据保留) 目 ...

pandas过滤数据

DataFrame:

1、可以通过 DataFrame[ 过滤条件 ] 来进行过滤

2、注意事项

3、 DataFrame 过滤后可以赋值

Series：

pandas过滤数据相关推荐

最新文章

热门文章

pandas过滤数据

DataFrame:

1、可以通过 DataFrame[ 过滤条件 ] 来进行过滤

2、 注意事项

3、 DataFrame 过滤后可以赋值

Series：

pandas过滤数据相关推荐

最新文章

热门文章

2、注意事项