使用pandas實現篩選出指定列值所對應的行
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(guī)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(yōu)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
到此這篇關于使用pandas實現篩選出指定列值所對應的行的文章就介紹到這了,更多相關pandas 篩選指定列值內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!