Pandas 是一个流行的 Python 数据分析库,它提供了一系列方便的工具,可以用来操作和处理数据。在 Pandas 中,DataFrame 是最主要的数据结构之一,它可以看作是一种二维数据表格,其中每个列代表一种变量,而每行则代表一个样本或观察值。在实际数据分析中,我们经常需要按照某些条件过滤 DataFrame 中的行,以便得到符合特定需求的子集。本文将介绍如何根据 Pandas 中的列值过滤 DataFrame 行。
假设我们有一个包含多个列的 DataFrame,现在想要根据其中某一列的值进行筛选,该怎么做呢?这时候就需要使用 Pandas 的布尔索引功能。具体来说,我们可以通过在 DataFrame 中使用与、或、非等逻辑运算符将多个比较项组合起来,从而生成一个布尔型 Series,然后使用这个 Series 来选择 DataFrame 中对应的行。下面是一个简单的例子:
import pandas as pd # 创建 DataFrame df = pd.DataFrame({ 'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 30, 35, 40], 'gender': ['F', 'M', 'M', 'M']
}) # 根据 age 列的值筛选行 df_filtered = df[df['age'] > 30] print(df_filtered)
运行上述代码,可以得到如下输出:
name age gender 2 Charlie 35 M 3 David 40 M
这里我们通过在 DataFrame 中使用df['age'] > 30来生成一个布尔型 Series,并将其作为索引来选择符合条件的行。需要注意的是,这里的>符号只能用于比较数值类型的列,如果要比较其他类型的列,需要使用其他适当的比较符号。
除了大于号之外,还有很多其他的比较符号可以用于筛选单个列的值,例如等于、不等于、小于等。具体来说,常用的比较符号如下:
上面的例子中我们只筛选了一个列的值,那如果想要筛选多个列的值呢?这时候就需要使用 Pandas 的 loc 或 iloc 属性,结合布尔索引功能来实现。具体来说,loc 属性用于按标签(即列名)访问数据,而 iloc 属性则用于按位置访问数据。下面是一个示例:
import pandas as pd # 创建 DataFrame df = pd.DataFrame({ 'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 30, 35, 40], 'gender': ['F', 'M', 'M', 'M']
}) # 根据 age 和 gender 列的值筛选行 df_filtered = df.loc[(df['age'] > 30) & (df['gender'] == 'M')] print(df_filtered)
运行上述代码,可以得到如下输出:
name age gender 3 David 40 M
这里我们使用 loc 属性按列名访问了 DataFrame 中的 age 和 gender 列,并将其用于生成布尔型 Series。然后我们使用与逻辑符&将两个比较项组合起来,并将结果传递给 loc 或 iloc 属性来选择符合条件的行。
需要注意的是,如果要同时筛选多个列
的值,需要使用圆括号将不同列的比较项括起来,并使用逻辑运算符进行组合。为了让代码更加清晰易读,推荐在每个比较项之间添加换行符或缩进。
除了使用比较运算符来筛选 DataFrame 的行之外,还可以使用 Pandas 提供的 isin() 方法。该方法可以用于检查 DataFrame 中某一列中的值是否包含在指定的列表中,返回一个布尔型 Series。下面是一个示例:
import pandas as pd # 创建 DataFrame df = pd.DataFrame({ 'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 30, 35, 40], 'gender': ['F', 'M', 'M', 'M']
}) # 根据 gender 列的值筛选行 df_filtered = df[df['gender'].isin(['F', 'M'])] print(df_filtered)
运行上述代码,可以得到如下输出:
name age gender 0 Alice 25 F 1 Bob 30 M 2 Charlie 35 M 3 David 40 M
这里我们使用 isin() 方法检查 DataFrame 中的 gender 列中的值是否包含在列表['F', 'M']中,并将结果传递给布尔索引功能来选择符合条件的行。需要注意的是,isin() 方法接受一个包含要匹配值的列表作为参数,可以同时匹配多个值。
除了上述方法之外,Pandas 还提供了一个 query() 方法,可以让我们使用类似 SQL 的语法来筛选 DataFrame 中的行。具体来说,该方法接受一个字符串表达式,其中包含列名、比较符号和逻辑运算符等操作,返回一个 DataFrame 子集。下面是一个示例:
import pandas as pd # 创建 DataFrame df = pd.DataFrame({ 'name': ['Alice', 'Bob', 'Charlie', 'David'], 'age': [25, 30, 35, 40], 'gender': ['F', 'M', 'M', 'M']
}) # 根据 age 和 gender 列的值筛选行 df_filtered = df.query('age > 30 and gender == "M"') print(df_filtered)
运行上述代码,可以得到如下输出:
name age gender 3 David 40 M
这里我们使用 query() 方法将条件表达式'age > 30 and gender == "M"'传递给 DataFrame,用于筛选行。需要注意的是,在查询表达式中,列名需要用引号括起来,而字符串或数字则不需要。
总之,Pandas 提供了多种方法来根据列值过滤 DataFrame 的行。在实际数据分析中,需要根据具体需求选择最合适的方法,以便高效地处理大规模数据集。
想快速入门Python数据分析?这门课程适合你!
如果你对Python数据分析感兴趣,但不知从何入手,推荐你学习《山有木兮:Python数据分析极简入门》。这门课程专为初学者设计,内容简洁易懂,手把手教你掌握Python数据分析的核心技能,助你轻松迈出数据分析的第一步。
学习入口:https://edu.cda.cn/goods/show/3429?targetId=5724&preview=0
开启你的Python数据分析之旅,从入门到精通,只需一步!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《刘静:10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda ...
2025-04-23大咖简介: 刘凯,CDA大咖汇特邀讲师,DAMA中国分会理事,香港金管局特聘数据管理专家,拥有丰富的行业经验。本文将从数据要素 ...
2025-04-22CDA持证人简介 刘伟,美国 NAU 大学计算机信息技术硕士, CDA数据分析师三级持证人,现任职于江苏宝应农商银行数据治理岗。 学 ...
2025-04-21持证人简介:贺渲雯 ,CDA 数据分析师一级持证人,互联网行业数据分析师 今天我将为大家带来一个关于用户私域用户质量数据分析 ...
2025-04-18一、CDA持证人介绍 在数字化浪潮席卷商业领域的当下,数据分析已成为企业发展的关键驱动力。为助力大家深入了解数据分析在电商行 ...
2025-04-17CDA持证人简介:居瑜 ,CDA一级持证人,国企财务经理,13年财务管理运营经验,在数据分析实践方面积累了丰富的行业经验。 一、 ...
2025-04-16持证人简介: CDA持证人刘凌峰,CDA L1持证人,微软认证讲师(MCT)金山办公最有价值专家(KVP),工信部高级项目管理师,拥有 ...
2025-04-15持证人简介:CDA持证人黄葛英,ICF国际教练联盟认证教练,前字节跳动销售主管,拥有丰富的行业经验。在实际生活中,我们可能会 ...
2025-04-14在 Python 编程学习与实践中,Anaconda 是一款极为重要的工具。它作为一个开源的 Python 发行版本,集成了众多常用的科学计算库 ...
2025-04-14随着大数据时代的深入发展,数据运营成为企业不可或缺的岗位之一。这个职位的核心是通过收集、整理和分析数据,帮助企业做出科 ...
2025-04-11持证人简介:CDA持证人黄葛英,ICF国际教练联盟认证教练,前字节跳动销售主管,拥有丰富的行业经验。 本次分享我将以教培行业为 ...
2025-04-11近日《2025中国城市长租市场发展蓝皮书》(下称《蓝皮书》)正式发布。《蓝皮书》指出,当前我国城市住房正经历从“增量扩张”向 ...
2025-04-10在数字化时代的浪潮中,数据已经成为企业决策和运营的核心。每一位客户,每一次交易,都承载着丰富的信息和价值。 如何在海量客 ...
2025-04-09数据是数字化的基础。随着工业4.0的推进,企业生产运作过程中的在线数据变得更加丰富;而互联网、新零售等C端应用的丰富多彩,产 ...
2025-04-094月7日,美国关税政策对全球金融市场的冲击仍在肆虐,周一亚市早盘,美股股指、原油期货、加密货币、贵金属等资产齐齐重挫,市场 ...
2025-04-08背景 3月26日,科技圈迎来一则重磅消息,苹果公司宣布向浙江大学捐赠 3000 万元人民币,用于支持编程教育。 这一举措并非偶然, ...
2025-04-07在当今数据驱动的时代,数据分析能力备受青睐,数据分析能力频繁出现在岗位需求的描述中,不分岗位的任职要求中,会特意标出“熟 ...
2025-04-03在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31