pandas 多条件筛选DataFrame

可直接去看 pandas文档 Indexing and selecting data

##df[（条件1）&（条件2）&（条件3）&...]（只能筛选行）
df[(df["C"] > 4) & (df["D"] < 4)]
##df.loc[（列条件1）&（列条件2）&（列条件3）&..., （行条件1）&（行条件2）&（行条件3）&...]
df.loc[(df["C"] > 4) & (df["D"] < 4), (df.loc[0] == 1) & (df.loc[3] == 2)]
##必须用&、|、~来表示且、或、否，不能用and、or、not
##条件中如果带有比&、|、~低级的运算符，要记得给条件加括号
##loc只筛选行的话用：代替列条件部分##条件是一个list/dict/Series的时候
##df[(df[[列1,列2]] == list/dict).all(1)]
df[(df[["A", "B"]] == [1, 3]).all(1)]
df[(df[["A", "B"]] == {"A": 1, "B": 3}).all(1)]
df[(df[["A", "B"]] == pd.Series({"A": 1, "B": 3})).all(1)]
##这种方法不适用于筛选列, 可以先将DataFrame转置

DataFrame\Series 执行>、<、==这些运算符时，会将每一个元素进行比较，得到一个由结果（Boolean值）组成的相同大小的DataFrame\Series返回。

df = pd.DataFrame({"A":[1,1,1,2,3],"B":[3,3,5,3,8],"C":[1,5,5,2,7],"D":[1,2,3,6,7]})
dfA  B  C  D
0  1  3  1  1
1  1  3  5  2
2  1  5  5  3
3  2  3  2  6
4  3  8  7  7
df > 4A      B      C      D
0  False  False  False  False
1  False  False   True  False
2  False   True   True  False
3  False  False  False   True
4  False   True   True   True
df["C"] > 4
0    False
1     True
2     True
3    False
4     True
Name: C, dtype: bool

相同大小的DataFrame\Series之间可以用&、|、~运算符进行运算，得到由结果组成的相同大小的DataFrame\Series

(df["C"] > 4) & (df["D"] < 4)
0    False
1     True
2     True
3    False
4    False
dtype: bool

要注意的是，&优先级比<、>、==高级，所以要记得加括号；还有就是and、or、not好像是被DataFrame/Series用于其他的运算了，因此不能用以代替&、|、~。
给df[]传入一个由boolean值组成Series的话，就可以筛选出True相应位置的行。

df[(df["C"] > 4) & (df["D"] < 4)]A  B  C  D
1  1  3  5  2
2  1  5  5  3

用loc可以同时筛选行和列

df.loc[(df["C"] > 4) & (df["D"] < 4), (df.loc[0] == 1) & (df.loc[3] == 2)]A  C
1  1  5
2  1  5

DataFrame和list/dict/Serise比较时，会用每一行元素和list/dict/Series对应的元素进行比较。

df[["A", "B"]] == [1, 3]
df[["A", "B"]] == {"B": 3, "A": 1}
df[["A", "B"]] == pd.Series({"A": 1, "B": 3})A      B
0   True   True
1   True   True
2   True  False
3  False   True
4  False  False

需要注意的是list和Series里面元素的顺序。
这时对得到的DataFrame使用all()方法，将每列的boolean值进行&运算，得到一个包含结果的Series。

(df[["A", "B"]] == pd.Series({"A": 1, "B": 3})).all(1)
0     True
1     True
2    False
3    False
4    False
dtype: bool

需要注意all()中的要加参数1，表示计算每一行的值，默认0的是计算每一列的值。
这样就可以将Series传入df[]中进行筛选了。

df[(df[["A", "B"]] == pd.Series({"A": 1, "B": 3})).all(1)]A  B  C  D
0  1  3  1  1
1  1  3  5  2

这样遍历其他DataFrame取出的条件信息就可以很直接地进行比较了。

pandas 多条件筛选DataFrame相关推荐

【Pandas学习】多条件筛选DataFrame
目录一.按列筛选 1.简单筛选 2.多条件筛选二.按行筛选三.多条件组合一.按列筛选 1.简单筛选 DataFrame\Series 执行>.<.==这些运算符时,会将每一个元素进 ...
Pandas多条件筛选
多条件筛选 gg = g[(g["x偏移"]<1) & (g["x偏移"]>-1)] [pandas中应用正则表达式的应用]
python pandas多条件筛选
我们在使用pandas操作表格时,通常会使用到筛选功能,但我在网上查找了很多资料,pandas貌似没有相应的方法,因此我自己写了一个方法,代码为: import pandas as pddef df_ ...
Py之pandas：利用isin函数对dataframe格式数据按照多个字段的条件筛选
Py之pandas:利用isin函数对dataframe格式数据按照多个字段的条件筛选目录利用isin函数对dataframe格式数据按照多个字段的条件筛选代码设计输出结果
Pandas常见的数据过滤方法、通过列条件筛选行数据
Pandas常见的数据过滤方法.通过列条件筛选行数据不废话了,直接看代码吧: 一般情况下,前面5种就覆盖了绝大多数需求 import pandas as pd import numpy as npd ...
Pandas条件筛选 | Python技能树征题
相关知识筛选是数据处理中非常频繁使用的功能,而Pandas对表格型数据(Pandas.DataFrame)已经封装了非常完善的条件筛选功能,他们支持下面五种比较运算符和两种逻辑运算符. 运算符含义 ...
pandas筛选数据_2_条件筛选
1. 多条件筛选 import pandas as pd data=[['mark',55,'Italy',4.5,'Europe'],['John',33,'China',3.8,'Asian'], ...
Pandas使用技巧-apply，条件筛选
使用Pandas的技巧就是熟悉Pandas的函数库,在数据处理过程中尽量使用Pandas方法. Pandas支持类似SQL的语句,适合对二维表格数据进行处理. apply()批量数据处理 import ...
Pandas处理excel数据笔记（数据透视|多条件筛选）
遇到复杂条件下海量的数据透视任务,excel难以驾驭.如对不同部门在不同年份吸收了什么学历的员工,pandas的筛选发挥了神奇的作用. 一.导包 pip install pandas pip inst ...

pandas 多条件筛选DataFrame

pandas 多条件筛选DataFrame相关推荐

最新文章

热门文章