pandas實(shí)現(xiàn)對(duì)一列/多列進(jìn)行數(shù)據(jù)區(qū)間篩選
更新時(shí)間：2024年02月22日 08:57:53 作者：icestone_kai
這篇文章主要介紹了pandas實(shí)現(xiàn)對(duì)一列/多列進(jìn)行數(shù)據(jù)區(qū)間篩選方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
如果不整活，那就是浪費(fèi)生命
下面這個(gè)表
如果你想篩選出age大于等于18，小于等于30的行：
如果在mysql中整這種活很容易，用個(gè)where就可以了
在pandas中也有相當(dāng)于where作用的語(yǔ)法，loc
篩選18<=age<=30的數(shù)據(jù)
import pandas as pd
stu = pd.read_csv("data/student.csv", index_col='id')
# 留下18<=年齡<=30
def age_18_to30(a):
return 18 <= a <= 30
# 留下 85<=score
def level_a(s):
return 85 <= s
# 使用loc會(huì)生成一個(gè)新的series
stu = stu.loc[stu['age'].apply(age_18_to30)]
# 或者用下lambda表達(dá)式:
# stu = stu.loc[stu['age'].apply(lambda a:18<=a<=30)]
print(stu)
結(jié)果：
此時(shí)再加一個(gè)篩選條件
age大于等于18，小于等于30且分?jǐn)?shù)大于等于85：
代碼：
import pandas as pd
stu = pd.read_csv("data/student.csv", index_col='id')
# 留下18<=年齡<=30
def age_18_to30(a):
return 18 <= a <= 30
# 留下 85<=score
def level_a(s):
return 85 <= s
stu = stu.loc[stu['age'].apply(age_18_to30)].loc[stu['score'].apply(level_a)]
print(stu)
結(jié)果：
其中，獲取莫一列，我們一直使用的是stu['age']，這個(gè)還可以寫為：stu.age
然后就整活成功了！
文件：
F:\Project\python\src\WangYiYun\DataAnalysis\19_.py
完整代碼：
# @DATE : 2021-1-2
# @TIME : 16:13
# @USER : kirin
import pandas as pd
stu = pd.read_csv("data/student.csv", index_col='id')
# 留下18<=年齡<=30
def age_18_to30(a):
return 18 <= a <= 30
# 留下 85<=score
def level_a(s):
return 85 <= s
# 使用loc會(huì)生成一個(gè)新的series
# stu = stu.loc[stu['age'].apply(age_18_to30)]
stu = stu.loc[stu['age'].apply(age_18_to30)].loc[stu['score'].apply(level_a)]
# 或者不使用 stu['age'] ：
# stu = stu.loc[stu.age.apply(age_18_to30)].loc[stu.score.apply(level_a)]
# 使用lambda表達(dá)式:
# stu = stu.loc[stu.age.apply(lambda a: 18 <= a <= 30)].loc[stu.score.apply(lambda s: 85 <= s)]
# 代碼太長(zhǎng)回個(gè)車:(空格+反斜線+回車)
# stu = stu.loc[stu.age.apply(lambda a: 18 <= a <= 30)]. \
# loc[stu.score.apply(lambda s: 85 <= s)]
print(stu)
總結(jié)
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
PyQt中使用QtSql連接MySql數(shù)據(jù)庫(kù)的方法
這篇文章主要介紹了PyQt中使用QtSql連接MySql數(shù)據(jù)庫(kù)的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07
這篇文章主要介紹了opencv 圖像輪廓的實(shí)現(xiàn)示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07
getopt是python中專門用來(lái)處理參數(shù)的一個(gè)模塊，十分好用，下面提供一個(gè)小示例2009-06-06
對(duì)python實(shí)現(xiàn)合并兩個(gè)排序鏈表的方法詳解
今天小編就為大家分享一篇對(duì)python實(shí)現(xiàn)合并兩個(gè)排序鏈表的方法詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01
pandas.DataFrame寫入數(shù)據(jù)庫(kù)的實(shí)現(xiàn)方式
這篇文章主要介紹了pandas.DataFrame寫入數(shù)據(jù)庫(kù)的實(shí)現(xiàn)方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08
淺談opencv自動(dòng)光學(xué)檢測(cè)、目標(biāo)分割和檢測(cè)(連通區(qū)域和findContours)
這篇文章主要介紹了淺談opencv自動(dòng)光學(xué)檢測(cè)、目標(biāo)分割和檢測(cè)(連通區(qū)域和findContours)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-06-06
python機(jī)器學(xué)習(xí)Github已達(dá)8.9Kstars模型解釋器LIME
這篇文章主要為大家介紹了Github已達(dá)8.9Kstars的最佳模型解釋器LIME的使用示例及功能詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助2021-11-11
pandas數(shù)據(jù)清洗,排序,索引設(shè)置,數(shù)據(jù)選取方法
下面小編就為大家分享一篇pandas數(shù)據(jù)清洗,排序,索引設(shè)置,數(shù)據(jù)選取方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-05-05
Python操作Word批量生成合同的實(shí)現(xiàn)示例
這篇文章主要介紹了Python操作Word批量生成合同的實(shí)現(xiàn)示例，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-08-08
在vscode中啟動(dòng)conda虛擬環(huán)境的思路詳解
這篇文章主要介紹了在vscode中啟動(dòng)conda虛擬環(huán)境的思路詳解,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-12-12