利用pandas进行条件筛选和组合筛选
对pandas中的DataFrame进行条件筛选,即筛选出符合条件的数据条;这里经常会遇到以下几种情况,下面举例说明:
1 df = pd.DataFrame({'A':[100, 200, 300, 400, 500],
'B':['a', 'b', 'c', 'd', 'e'],
'C':[1, 2, 3, 4, 5]}) 2 df A B C 0 100 a 1 1 200 b 2 2 300 c 3 3 400 d 4 4 500 e 5
(1)找出df中A列值为100的所有数据
1 df[df.A==100] A B C 0 100 a 1
这里也可以是小于(<)、大于(>)、小于等于(<=)、大于等于(>=)、不等于(!=)等情况。
(2)找出df中A列值为100、200、300的所有数据
1 num = [100, 200, 300] 2 df[df.A.isin(num)] #筛选出A列值在num列表的数据条 A B C 0 100 a 1 1 200 b 2 2 300 c 3
(3)找出df中A列值为100且B列值为‘a’的所有数据
1 df[(df.A==100)&(df.B=='a')] A B C 0 100 a 1
(4)找出df中A列值为100或B列值为‘b’的所有数据
1 df[(df.A==100)|(df.B=='b')] A B C 0 100 a 1 1 200 b 2
这里需要注意的是,多条件筛选的时候,必须加括号'()'。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· 单线程的Redis速度为什么快?
· 展开说说关于C#中ORM框架的用法!
· Pantheons:用 TypeScript 打造主流大模型对话的一站式集成库