如何利用DataFrame對數據進行篩選

如何利用DataFrame對數據進行篩選？相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

DataFrame篩選數據

python中pandas下的DataFrame是一個很不錯的數據結構，附帶了許多操作、運算、統計等功能。

如何從一個DataFrame中篩選中出一個元素呢。

以tushare返回的交易日信息為例。

df = ts.trade_cal()

數據如下：

  calendarDate isOpen
0  1990/12/19  1
1  1990/12/20  1
2  1990/12/21  1
3  1990/12/22  0
4  1990/12/23  0
5  1990/12/24  1
6  1990/12/25  1
7  1990/12/26  1
8  1990/12/27  1
9  1990/12/28  1
10  1990/12/29  0
11  1990/12/30  0
12  1990/12/31  1
13  1991/1/1  0
14  1991/1/2  1
15  1991/1/3  1
16  1991/1/4  1
17  1991/1/5  0
18  1991/1/6  0
19  1991/1/7  1
20  1991/1/8  1
21  1991/1/9  1
22  1991/1/10  1
23  1991/1/11  1
24  1991/1/12  0
25  1991/1/13  0
26  1991/1/14  1
27  1991/1/15  1
28  1991/1/16  1
29  1991/1/17  1
...   ...  ...
9845 2017/12/02  0
9846 2017/12/03  0
9847 2017/12/04  1
9848 2017/12/05  1
9849 2017/12/06  1
9850 2017/12/07  1
9851 2017/12/08  1
9852 2017/12/09  0
9853 2017/12/10  0
9854 2017/12/11  1
9855 2017/12/12  1
9856 2017/12/13  1
9857 2017/12/14  1
9858 2017/12/15  1
9859 2017/12/16  0
9860 2017/12/17  0
9861 2017/12/18  1
9862 2017/12/19  1
9863 2017/12/20  1
9864 2017/12/21  1
9865 2017/12/22  1
9866 2017/12/23  0
9867 2017/12/24  0
9868 2017/12/25  1
9869 2017/12/26  1
9870 2017/12/27  1
9871 2017/12/28  1
9872 2017/12/29  1
9873 2017/12/30  0
9874 2017/12/31  0

如何取出某個日期的信息呢。例如年底了，想知道除夕前最后一個交易日是哪天。此處使用篩選功能。

df[df.calendarDate=="2017/12/31"]

輸出如下：

>>> df[df.calendarDate=="2017/12/31"]
  calendarDate isOpen
9874 2017/12/31  0
>>> df[df.icol(0)=="2017/12/11"]
__main__:1: FutureWarning: icol(i) is deprecated. Please use .iloc[:,i]
  calendarDate isOpen
9854 2017/12/11  1

注意一定要寫上雙等號一定要寫上雙等號一定要寫上雙等號。重要的事情說3遍。。。

因為如果是單等號，會報語法異常的。。。

loc函數

關于loc這個坑爹的函數的用法，咋說呢，不要被他的”純以標簽名來進行索引”迷惑了。因為如果你給Loc中的第一個參數一個str的話，極有可能返回的是一個異常，說不在index中。 。。。。

坑爹。。。。

這個loc的用法不是根據某個位置內容篩選的含義，仍然是對行、對列的一種篩選。比如你某行的索引自己設置標簽啥的。。很讓人一頭霧水的設計。跟ix就是重復的。。。。

大多數情況下的應用場景就是還是用數字取行，用str取列。

比如loc[0:3,[“a”,”b”]]。取0到第3行（左閉右開，非整型值時左閉右閉。。。），”a”列與”b”列。

看完上述內容，你們掌握如何利用DataFrame對數據進行篩選的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！