利用pandas怎么對指定列值對應的行進行篩選

利用pandas怎么對指定列值對應的行進行篩選？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。

在pandas中怎么樣實現類似mysql查找語句的功能：

select * from table where column_name = some_value;

pandas中獲取數據的有以下幾種方法：

• 布爾索引

• 位置索引

• 標簽索引

• 使用API

假設數據如下:

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': 'foo bar foo bar foo bar foo foo'.split(),
          'B': 'one one two three two two one three'.split(),
          'C': np.arange(8), 'D': np.arange(8) * 2})

布爾索引

該方法其實就是找出每一行中符合條件的真值(true value)，如找出列A中所有值等于foo

df[df['A'] == 'foo'] # 判斷等式是否成立

位置索引

使用iloc方法，根據索引的位置來查找數據的。這個例子需要先找出符合條件的行所在位置

mask = df['A'] == 'foo'
pos = np.flatnonzero(mask) # 返回的是array([0, 2, 4, 6, 7])
df.iloc[pos]

#常見的iloc用法
df.iloc[:3,1:3]

標簽索引

如何DataFrame的行列都是有標簽的，那么使用loc方法就非常合適了。

df.set_index('A', append=True, drop=False).xs('foo', level=1) # xs方法適用于多重索引DataFrame的數據篩選

# 更直觀點的做法
df.index=df['A'] # 將A列作為DataFrame的行索引
df.loc['foo', :]

# 使用布爾
df.loc[df['A']=='foo']

使用API

pd.DataFrame.query方法在數據量大的時候，效率比常規的方法更高效。

df.query('A=="foo"')

# 多條件
df.query('A=="foo" | A=="bar"')

數據提取不止前面提到的情況，第一個答案就給出了以下幾種常見情況：

1、篩選出列值等于標量的行，用==

df.loc[df['column_name'] == some_value]

2、篩選出列值屬于某個范圍內的行，用isin

df.loc[df['column_name'].isin(some_values)] # some_values是可迭代對象

3、多種條件限制時使用&，&的優先級高于>=或<=，所以要注意括號的使用

df.loc[(df['column_name'] >= A) & (df['column_name'] <= B)]

4、篩選出列值不等于某個/些值的行

df.loc[df['column_name'] != 'some_value']

df.loc[~df['column_name'].isin('some_values')] #~取反

看完上述內容，你們掌握利用pandas怎么對指定列值對應的行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！