创建一个DataFrame
import pandas as pd
data = {'name':['张三', '李四', '王五', '赵六'],'age':[20, 21, 22, 23], 'gender': [0, 1, 1, 1], 'stature': [165, 189, 178, 160], 'year': [2000, 2002, 2003, 1993]}
df = pd.DataFrame(data)
print (df)
运行结果如下：
name age gender stature year
0 张三 20 0 165 2000
1 李四 21 1 189 2002
2 王五 22 1 178 2003
3 赵六 23 1 160 1993
常用的筛选方法：
-
[]
：直接在DataFrame的
[]
中写筛选条件或者组合条件，组合条件之间可以使用逻辑符号
& |
等 -
loc/iloc
：
loc
按照标签值（列名和行索引取值）访问，
iloc
按照数字索引访问，均支持单值访问或切片查询，除此之外，
loc
还可以
指定返回的列变量
-
isin
：当查询条件不是一个取值范围，而是一些具体的值，就需要使用
isin
了，也可以做
取反
操作，在筛选条件前加
~
。 -
str.contains
：实现字符串的模糊筛选，类似sql语句中的
like
-
where
：接受的条件需要是布尔型，如果不满足条件，会被赋值为
默认的NaN
或者
指定其他值
-
query
：所有的筛选条件要在
' '
之内 -
filter
：不筛选具体数据，而是筛选特定的行或列 -
any
：如果至少有一个值为
True
，结果便是
True
。一般需要和其他操作配合使用，比如查看每列的空值情况 -
all
：需要所有的值都为
True
，结果才为
True
一、 筛选指定的列
筛选
name
列
：
# 1. 直接筛选，返回的是Series类型
df['name']
# 2. 使用loc筛选，返回的是DataFrame类型
df.loc[:, ['name']]
# 3. 使用filter，返回的是DataFrame类型
df.filter(items=['name'])
查询结果如下：
筛选
name
和
stature
列
：
# 1. 直接筛选
df[['name', 'stature']]
# 2. 使用loc筛选
df.loc[:, ['name', 'stature']]
# 3. 使用filter
df.filter(items=['name', 'stature'])
查询结果如下：
二、 按照条件筛选
2.1 单条件筛选
筛选姓名为
王五
的所有行
# 1. 直接筛选
df[df['name']=='王五']
# 2. 使用loc筛选
df.loc[df['name']=='王五']
# 3. 使用query查询，注意条件里有''时，两边要用""包住。
df.query("name=='王五'")
查询结果如下：
2.2 多条件组合筛选
筛选
gender
为1，并且姓名为
王五
的所有行
# 1. 直接筛选
df[(df['name']=='王五') & (df['gender']==1)]
# 2. 使用loc筛选
df.loc[(df['name']=='王五') & (df['gender']==1)]
# 3. 使用query查询，注意条件里有''时，两边要用""包住。
df.query("name=='王五' & gender==1")
查询结果如下：
筛选
gender
为1，并且姓名为
王五
或
赵六
的所有行
# 1. 直接筛选
df[(df['name']=='王五') | (df['name']=='赵六') & (df['gender']==1)]
# 2. 使用loc筛选
df.loc[(df['name']=='王五') | (df['name']=='赵六') & (df['gender']==1)]
# 3. 使用query查询，注意条件里有''时，两边要用""包住。
df.query("name=='王五' | name=='赵六' & gender==1")
# 4. 使用isin()筛选
df[df['name'].isin(['王五', '赵六']) & (df['gender']==1)]
筛选
name
中包含
王
的所有行
# 使用str.contains来筛选
df[df['name'].str.contains('王')]
查询结果如下：
筛选
name
中包含
王
或
赵
的所有行
# 使用str.contains来筛选
df[df['name'].str.contains('王|赵')]
查询结果如下：
查看每列的空值情况：
# 1. 查看每列是否有空值
df.isnull().any(axis=0)
'''
name False
age False
gender False
stature False
year False
dtype: bool
'''
# 2. 查看含有空值的行数
df.isnull().any(axis=1).sum()
# 0
如上按照条件筛选基本可以满足日常开发需要，pandas中条件筛选比较灵活，还有很多情况没有演示，大家可以自行组合各种筛选条件进行尝试。