快捷導(dǎo)航

Python實(shí)現(xiàn)指定范圍內(nèi)篩選并剔除Excel表格中的數(shù)據(jù)

更新時(shí)間：2023年06月09日 08:21:56 作者：瘋狂學(xué)習(xí)GIS

這篇文章主要為大家詳細(xì)介紹了Python如何實(shí)現(xiàn)在指定范圍內(nèi)篩選并剔除Excel表格中的數(shù)據(jù)，文中的示例代碼講解詳細(xì)，感興趣的可以了解一下

本文介紹基于Python語(yǔ)言，讀取Excel表格文件，基于我們給定的規(guī)則，對(duì)其中的數(shù)據(jù)加以篩選，將不在指定數(shù)據(jù)范圍內(nèi)的數(shù)據(jù)剔除，保留符合我們需要的數(shù)據(jù)的方法。

首先，我們來(lái)明確一下本文的具體需求。現(xiàn)有一個(gè)Excel表格文件（在本文中我們就以.csv格式的文件為例），如下圖所示。

其中，Excel表格文件具有大量的數(shù)據(jù)，每一列表示某一種屬性，每一行表示某一個(gè)樣本；我們需要做的，就是對(duì)于其中的部分屬性加以數(shù)據(jù)篩選——例如，我們希望對(duì)上圖中第一列的數(shù)據(jù)進(jìn)行篩選，將其中大于2或小于-1的部分選出來(lái)，并將每一個(gè)所選出的單元格對(duì)應(yīng)的行直接刪除；同時(shí)，我們還希望對(duì)其他的屬性同樣加以篩選，不同屬性篩選的條件也各不相同，但都是需要將不符合條件的單元格所在的整行都刪除。最終，我們保留下來(lái)的數(shù)據(jù)，就是符合我們需要的數(shù)據(jù)，此時(shí)我們需要將其保存為一個(gè)新的Excel表格文件。

明白了需求，我們即可開(kāi)始代碼的撰寫；本文用到的具體代碼如下所示。

# -*- coding: utf-8 -*-
"""
Created on Wed Jun  7 15:40:50 2023

@author: fkxxgis
"""

import pandas as pd

original_file = "E:/01_Reflectivity/99_Model_Training/00_Data/02_Extract_Data/23_Train_model_NoH/Train_Model_1_NoH.csv"
result_file = "E:/01_Reflectivity/99_Model_Training/00_Data/02_Extract_Data/23_Train_model_NoH/Train_Model_1_NoH_New.csv"

df = pd.read_csv(original_file)

df = df[(df["inf"] >= -0.2) & (df["inf"] <= 18)]
df = df[(df["NDVI"] >= -1) & (df["NDVI"] <= 1)]
df = df[(df["inf_dif"] >= -0.2) & (df["inf_dif"] <= 18)]
df = df[(df["NDVI_dif"] >= -2) & (df["NDVI_dif"] <= 2)]
df = df[(df["soil"] >= 0)]
df = df[(df["inf_h"] >= -0.2) & (df["inf_h"] <= 18)]
df = df[(df["ndvi_h"] >= -1) & (df["ndvi_h"] <= 1)]
df = df[(df["inf_h_dif"] >= -0.2) & (df["inf_h_dif"] <= 18)]
df = df[(df["ndvi_h_dif"] >= -1) & (df["ndvi_h_dif"] <= 1)]

df.to_csv(result_file, index = False)

下面是對(duì)上述代碼每個(gè)步驟的解釋：

1.導(dǎo)入必要的庫(kù)：導(dǎo)入了pandas庫(kù)，用于數(shù)據(jù)處理和操作。

2.定義文件路徑：定義了原始文件路徑original_file和結(jié)果文件路徑result_file。

3.讀取原始數(shù)據(jù)：使用pd.read_csv()函數(shù)讀取原始文件數(shù)據(jù)，并將其存儲(chǔ)在DataFrame對(duì)象df中。

4.數(shù)據(jù)篩選：對(duì)DataFrame對(duì)象df進(jìn)行多個(gè)條件的篩選操作，使用了邏輯運(yùn)算符&和比較運(yùn)算符進(jìn)行條件組合。例如，其中的第一行df["inf"] >= -0.2 和 df["inf"] <= 18就表示篩選出"inf"列的值在-0.2到18之間的數(shù)據(jù)；第二行df["NDVI"] >= -1 和 df["NDVI"] <= 1則表示篩選出"NDVI"列的值在-1到1之間的數(shù)據(jù)，以此類推。

5.保存結(jié)果數(shù)據(jù)：使用to_csv()函數(shù)將篩選后的DataFrame對(duì)象df保存為新的.csv文件，保存路徑為result_file，并設(shè)置index=False以避免保存索引列。

當(dāng)然，如果我們需要對(duì)多個(gè)屬性（也就是多個(gè)列）的數(shù)據(jù)加以篩選，除了上述代碼中的方法，我們還可以用如下所示的代碼，較之前述代碼會(huì)更方便一些。

result_df = result_df[(result_df["blue"] > 0) & (result_df["blue"] <= 1) &
                              (result_df["green"] > 0) & (result_df["green"] <= 1) &
                              (result_df["red"] > 0) & (result_df["red"] <= 1) &
                              (result_df["inf"] > 0) & (result_df["inf"] <= 1) &
                              (result_df["NDVI"] > -1) & (result_df["NDVI"] < 1) &
                              (result_df["inf_dif"] > -1) & (result_df["inf_dif"] < 1) &
                              (result_df["NDVI_dif"] > -2) & (result_df["NDVI_dif"] < 2) &
                              (result_df["soil"] >= 0) &
                              (result_df["NDVI_dif"] > -2) & (result_df["NDVI_dif"] < 2) &
                              (result_df["inf_h_dif"] > -1) & (result_df["inf_h_dif"] < 1) &
                              (result_df["ndvi_h_dif"] > -1) & (result_df["ndvi_h_dif"] < 1)]

上述代碼可以直接對(duì)DataFrame對(duì)象加以一次性的篩選，不用每篩選一次就保存一次了。

運(yùn)行本文提及的代碼，我們即可在指定的結(jié)果文件夾下獲得數(shù)據(jù)篩選后的文件了。

到此這篇關(guān)于Python實(shí)現(xiàn)指定范圍內(nèi)篩選并剔除Excel表格中的數(shù)據(jù)的文章就介紹到這了,更多相關(guān)Python篩選Excel數(shù)據(jù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: