python pandas dataframe多列篩選

# 括號(hào)不能少
data[(data['age']>20) & (data['height']>176)]

Python dataframe 多條件篩選/過濾數(shù)據(jù)的方法及函數(shù)isin，query，contains，loc使用

1. 背景概述

日常的數(shù)據(jù)分析中，經(jīng)常要根據(jù)各種不同的條件從數(shù)據(jù)集中篩選出相應(yīng)的數(shù)據(jù)記錄，再進(jìn)行提取、替換、修改和分析等操作。

因此篩選是數(shù)據(jù)分析中使用頻率最高的操作之一。在剛開始做數(shù)據(jù)分析的時(shí)候，常常是使用for循環(huán)在數(shù)據(jù)集中進(jìn)行條件篩選，導(dǎo)致代碼比較冗長且效率不高。

總結(jié)了在python中常用的并且使用效率比較高的幾種數(shù)據(jù)篩選函數(shù)如：isin()、query()、contains()、loc()等，并且展示了它們單獨(dú)使用或搭配一起使用的實(shí)踐效果。

2. 篩選方法和函數(shù)簡介

2.1 簡單的篩選方法：單一的篩選：條件范圍可以是數(shù)值或字符串df[df[“column_name”] == value]多字段的篩選（又稱為復(fù)合條件的篩選）: 多個(gè)不同的特征列，并且條件可以對應(yīng)不同的數(shù)值或字符串df[(df[“column_name1”] <= value) & (df[“column_name2”] == str)]

2.2 isin函數(shù)：df[df[“column_name”].isin(li)] (# li = [20, 25, 27] 或 li = np.arange(20, 30))根據(jù)從isin函數(shù)傳入的列表(li)，篩選出與列表中包含的數(shù)值或字符串相同的數(shù)據(jù)記錄, 用法有點(diǎn)類似sql中的"in"

2.3 query函數(shù)：df.query("(column_name1 == ‘str1’) & (column_name2 == ‘str2’)")根據(jù)query中引入的不同字段（str1，str2等）和條件，篩選出同時(shí)能滿足這些要求的數(shù)據(jù)記錄

2.4 contains函數(shù)：df[df[“column_name”].str.contains(“str”)]篩選出所有含有(str)的數(shù)據(jù)記錄, 用法類似于sql中的"contains"

2.5 loc函數(shù)：df.loc[df["column_name] <= value]根據(jù)特征屬性（列名）或索引標(biāo)簽篩選數(shù)據(jù)：df.loc[columns 篩選條件] 或df.loc[index 篩選條件];同時(shí)根據(jù)索引標(biāo)簽和特征屬性（列名）篩選數(shù)據(jù)：df.loc[index 篩選條件，columns 篩選條件]

2.6 篩選函數(shù)之間還能根據(jù)各自的特點(diǎn)搭配使用

3. 函數(shù)的使用實(shí)踐

3.1 數(shù)據(jù)準(zhǔn)備和說明

數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)按行篩選（數(shù)據(jù)記錄）并提取數(shù)據(jù)

import numpy as np
import pandas as pd
df = pd.DataFrame({"name": ["A001", "A002", "B001", "A001_K", "C002", "B001_K", "B001"], 
                    "protein": [25, 28, 45, 22, 60, 40, 27], 
                    "Qty": [85, 90, 75, 80, 30, 50, 30], 
                    "rank": ["1st", "1st", "1st", "2nd", "1st", "1st", "2nd"]})
df

3.2 示例代碼

3.2.1 簡單的條件篩選方法

# 1 簡單的條件篩選：單一條件篩選
data = df[df["protein"] <= 30]
data

代碼描述：df.loc[df[“protein”] <= 30] 與 df[df[“protein”] <= 30]的運(yùn)行結(jié)果是一樣的。

# 2 多重條件篩選 -- 篩選的條件是數(shù)值
# 篩選并提取protein 在40-50之間的記錄(符合條件)
data = df[(df["protein"] >= 40) & (df["protein"] <= 50)]
data

# 3 多重條件篩選 -- 篩選的條件有數(shù)值和字符串
# 篩選出蛋白質(zhì)含量大于30并且產(chǎn)品評級(jí)為"1st"的數(shù)據(jù)
data = df[(df["protein"] >= 30) & (df["rank"] == "1st")]
data

3.2.2 isin 函數(shù)的使用

返回的結(jié)果是根據(jù)從isin函數(shù)傳入的列表(li)，篩選出與列表中包含的數(shù)值或字符串相同的數(shù)據(jù)記錄, 用法有點(diǎn)類似sql中的"in"

# 篩選出與列表中的數(shù)值或字符串相等的數(shù)據(jù)記錄
# li = np.arange(20, 30)
li = [25, 60, 45, 40]
data = df[df["protein"].isin(li)]
data

3.2.3 query 函數(shù)的使用

返回的結(jié)果是根據(jù)query中引入的不同字段（str1，str2）和條件，篩選出同時(shí)能滿足這些要求的數(shù)據(jù)記錄

# 篩選出名稱為“A001”或“B001”，并且級(jí)別都是“1st”的數(shù)據(jù)記錄
data = df.query("(name=='A001'| name=='B001') & (rank == '1st')")
data

溫馨提示：在使用query函數(shù)時(shí)，所有的表達(dá)內(nèi)容都必須用引號(hào)標(biāo)識(shí)出來，并且字符串的引號(hào)與表達(dá)式的引號(hào)需要區(qū)分出來（即遵從使用雙引號(hào)與單引號(hào)的套用規(guī)則）。

另外，特征列名稱是不需要使用引號(hào)標(biāo)注的，這可以理解為是直接調(diào)用了列表，因此列名稱不需要注釋。

3.2.4 contains 函數(shù)的使用

# 1 篩選出所有名稱中還有“K”的數(shù)據(jù)記錄
data = df[df["name"].str.contains("K")]
data

# 2 篩選出級(jí)別中含有"st", 并且名字中含有"K"的數(shù)據(jù)記錄
data = df[(df["rank"].str.contains("st") & df["name"].str.contains("K"))]
data

3.2.5 loc 函數(shù)的使用

# 5. loc() 函數(shù) -- 根據(jù)標(biāo)簽和特征列名進(jìn)行數(shù)據(jù)篩選 
# 5.1 單一條件的篩選
data = df.loc[df["protein"] <=30]    # 與df[df["protein"] <=30]的運(yùn)行結(jié)果是一致的！
data

小結(jié)：這與之前說的 df[df[“protein”] <=30] 的運(yùn)行結(jié)果是一致的！

# 5.2 復(fù)合條件的篩選
# 篩選出名稱為"B001"并且蛋白質(zhì)含量低于30的數(shù)據(jù)記錄
data = df.loc[(df["name"]=="B001") & (df["protein"]<=30)]
data

# 5.3 使用loc函數(shù)同時(shí)對索引標(biāo)簽和特征屬性（列名）進(jìn)行數(shù)據(jù)篩選
# 注意：當(dāng)使用loc函數(shù)根據(jù)索引標(biāo)簽和特征列名進(jìn)行篩選時(shí)，需要設(shè)定相應(yīng)的索引標(biāo)簽。本測試會(huì)先將名稱更換為索引值再進(jìn)行篩選（使用set_index()函數(shù)將特征列名轉(zhuǎn)換為索引值)
# 篩選出名稱為"B001"的所有數(shù)據(jù)記錄
test = df.copy().set_index("name")
test.loc["B001", :]

# 5.4 篩選出名稱為"B001"和“A001”的蛋白質(zhì)和評級(jí)數(shù)據(jù)
test_ = test.loc[["B001", "A001"], ["protein", "rank"]]
test_

3.2.6 篩選函數(shù)的搭配使用

上述介紹的篩選方法和函數(shù)是可以被搭配在一起使用，并且效果很不錯(cuò)！

# 1 篩選出蛋白質(zhì)小于等于30，并且級(jí)別是含有"2nd"的數(shù)據(jù)記錄
data = df[(df["protein"] <=30) & df["rank"].str.contains("2nd")]
data

# 2  篩選出蛋白質(zhì)的含量是列表中的數(shù)值，并且名稱中含有"K"的數(shù)據(jù)記錄
li = [25, 60, 45, 40, 22]
data = df[(df["protein"].isin(li)) & (df["name"].str.contains("K"))]
data

4. 結(jié)束語

• 單一條件的行或列的篩選可直接使用df[columns 篩選條件] 或df[indx 篩選條件]
• isin 函數(shù)的使用很靈活，能將多個(gè)不用的數(shù)值范圍要求或字段要求通過列表的形式傳入函數(shù)中進(jìn)行篩選。
• query 函數(shù)能進(jìn)行多字段的篩選，但要特別注意列名的引用，以及格式的書寫與其他函數(shù)不一樣的地方。
• contains 函數(shù)其實(shí)是相當(dāng)與SQL 中的contains的用法，能靈活地對字符串的數(shù)據(jù)進(jìn)行篩選。
• 篩選方法和函數(shù)是可以根據(jù)不同的需要被搭配在一起形成多重的條件篩選，并且使用的效果很不錯(cuò)！
• 如果是同時(shí)對行和列進(jìn)行篩選，可使用df.loc[index 篩選條件，columns 篩選條件]

基礎(chǔ)概念：loc函數(shù)與iloc函數(shù)的區(qū)別

1.loc() 函數(shù)：指Selection by label的函數(shù)

• 是按照標(biāo)簽來提取數(shù)據(jù)，標(biāo)簽是由2個(gè)參數(shù)決定的。
• 第1個(gè)參數(shù)是index: “0”-“6”； 第2個(gè)參數(shù)是column: “name”, “protein”, “Qty”, “rank” # df.loc[6, :], # df.loc[6, “protein”]

2.iloc(n, m) 函數(shù)：指Selection by Position的函數(shù)

• 是按位置選擇數(shù)據(jù)，即第n行，第m列，只接受整數(shù)型 的參數(shù) # df.iloc[:, 0]； #df.iloc[1, :]

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。

最新評論