1. 数据筛选
|
1
2
3
4
5
6
7
8
9
10
11
|
a b c
0 0 2 4
1 6 8 10
2 12 14 16
3 18 20 22
4 24 26 28
5 30 32 34
6 36 38 40
7 42 44 46
8 48 50 52
9 54 56 58
|
（1）单条件筛选
|
1
2
3
4
5
|
df[df['a']>30]
# 如果想筛选a列的取值大于30的记录,但是之显示满足条件的b，c列的值可以这么写
df[['b','c']][df['a']>30]
# 使用isin函数根据特定值筛选记录。筛选a值等于30或者54的记录
df[df.a.isin([30, 54])]
|
（2）多条件筛选
可以使用&（并）与| （或）操作符或者特定的函数实现多条件筛选
|
1
2
|
# 使用&筛选a列的取值大于30，b列的取值大于40的记录
df[(df['a'] > 30) & (df['b'] > 40)]
|
（3）索引筛选
a. 切片操作
df[行索引，列索引]或df[[列名1，列名2]]
|
1
2
3
4
|
#使用切片操作选择特定的行
df[1:4]
#传入列名选择特定的列
df[['a','c']]
|
b. loc函数
当每列已有column name时，用 df [ ‘a' ] 就能选取出一整列数据。如果你知道column names 和index，且两者都很好输入，可以选择 .loc同时进行行列选择。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
In [28]: df.loc[0,'c']
Out[28]: 4
In [29]: df.loc[1:4,['a','c']]
Out[29]:
a c
1 6 10
2 12 16
3 18 22
4 24 28
In [30]: df.loc[[1,3,5],['a','c']]
Out[30]:
a c
1 6 10
3 18 22
5 30 34
|
c. iloc函数
如果column name太长，输入不方便，或者index是一列时间序列，更不好输入，那就可以选择 .iloc了，该方法接受列名的index,iloc 使得我们可以对column使用slice（切片）的方法对数据进行选取。这边的 i 我觉得代表index，比较好记点。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
In [35]: df.iloc[0,2]
Out[35]: 4
In [34]: df.iloc[1:4,[0,2]]
Out[34]:
a c
1 6 10
2 12 16
3 18 22
In [36]: df.iloc[[1,3,5],[0,2]]
Out[36]:
a c
1 6 10
3 18 22
5 30 34
In [38]: df.iloc[[1,3,5],0:2]
Out[38]:
a b
1 6 8
3 18 20
5 30 32
|
d. ix函数
ix的功能更加强大，参数既可以是索引，也可以是名称，相当于，loc和iloc的合体。需要注意的是在使用的时候需要统一，在行选择时同时出现索引和名称， 同样在同行选择时同时出现索引和名称。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
df.ix[1:3,['a','b']]
Out[41]:
a b
1 6 8
2 12 14
3 18 20
In [42]: df.ix[[1,3,5],['a','b']]
Out[42]:
a b
1 6 8
3 18 20
5 30 32
In [45]: df.ix[[1,3,5],[0,2]]
Out[45]:
a c
1 6 10
3 18 22
5 30 34
|
e. at函数
根据指定行index及列label，快速定位DataFrame的元素，选择列时仅支持列名。
|
1
2
|
In [46]: df.at[3,'a']
Out[46]: 18
|
f. iat函数
与at的功能相同，只使用索引参数
|
1
2
|
In [49]: df.iat[3,0]
Out[49]: 18
|
2. csv操作
csv文件内容
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
Supplier Name,Invoice Number,Part Number,Cost,Purchase Date
Supplier X,001-1001,2341,$500.00 ,1/20/14
Supplier X,001-1001,2341,$500.00 ,1/20/14
Supplier X,001-1001,5467,$750.00 ,1/20/14
Supplier X,001-1001,5467,$750.00 ,1/20/14
Supplier Y,50-9501,7009,$250.00 ,1/30/14
Supplier Y,50-9501,7009,$250.00 ,1/30/14
Supplier Y,50-9505,6650,$125.00 ,2002/3/14
Supplier Y,50-9505,6650,$125.00 ,2002/3/14
Supplier Z,920-4803,3321,$615.00 ,2002/3/14
Supplier Z,920-4804,3321,$615.00 ,2002/10/14
Supplier Z,920-4805,3321,$615.00 ,2/17/14
Supplier Z,920-4806,3321,$615.00 ,2/24/14
|
（1）csv文件读写
关于read_csv函数中的参数说明参考博客：http://www.zzvips.com/article/179603.html
|
1
2
3
4
5
|
import pandas as pd
# 读写csv文件
df = pd.read_csv("supplier_data.csv")
df.to_csv("supplier_data_write.csv",index=None)
|
（2）筛选特定的行
|
1
2
3
4
5
6
7
8
9
10
11
12
|
#Supplier Nmae列中姓名包含'Z'，或者Cost列中的值大于600
print(df[df["Supplier Name"].str.contains('Z')])
print(df[df['Cost'].str.strip('$').astype(float) > 600])
print(df.loc[(df["Supplier Name"].str.contains('Z'))|(df['Cost'].str.strip('$').astype(float) > 600.0),:])
#行中的值属于某个集合
li = [2341,6650]
print(df[df['Part Number'].isin(li)])
print(df.loc[df['Part Number'].astype(int).isin(li),:])
#行中的值匹配某个模式
print(df[df['Invoice Number'].str.startswith("001-")])
|
（3）选取特定的列
|
1
2
3
4
5
6
7
|
#选取特定的列
#列索引值,打印1，3列
print(df.iloc[:,1:4:2])
#列标题打印
print(df.loc[:,["Invoice Number", "Part Number"]])
#选取连续的行
print(df.loc[1:4,:])
|
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://www.cnblogs.com/xiaobingqianrui/p/9996177.html