本文实例讲述了Python实现多条件筛选目标数据功能。分享给大家供大家参考，具体如下：
python中提供了一些数据过滤功能，可以使用内建函数，也可以使用循环语句来判断，或者使用pandas库，当然在有些情况下使用pandas是为了提高工作效率。举例如下：
|
1
2
|
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
|
这里的a为一个list，列表中还有元组。每一个元组由单词和其词性组成，我们要筛选词性为JJ何NN的单词。可以有三种写法：
第一种，使用内建函数filter：
|
1
2
3
4
5
6
7
8
9
|
# -*- coding:utf-8 -*-
#!python3
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
def filt_nn(data_text):
nn_data = filter(lambda x: x[1] == 'NN'or x[1] == 'JJ', data_text)
# print(list(nn_data))
return list(nn_data)
print(filt_nn(a))
|
运行结果：
[('chic', 'JJ'), ('menu', 'JJ'), ('doesnt', 'JJ'), ('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
第二种，使用pandas包：
|
1
2
3
4
5
6
7
|
# -*- coding:utf-8 -*-
#!python3
import pandas as pd
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
data = pd.DataFrame(a, columns=['word', 'ps'])
print(data[data.ps.isin(['JJ', 'NN'])].word)
|
运行结果：
0 chic
2 menu
4 doesnt
5 scream
6 french
7 cuisine
Name: word, dtype: object
第三种，使用循环：
|
1
2
3
4
5
6
7
8
9
|
# -*- coding:utf-8 -*-
#!python3
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
absd = []
for i in a:
if i[1] == 'NN' or i[1] == 'JJ':
absd.append(i[0])
print(absd)
|
得到的结果都相同，如下：
['chic', 'menu', 'doesnt', 'scream', 'french', 'cuisine']
虽然结果相同，但是推荐第一、二种方法，因为这两个方法速度更快。
希望本文所述对大家Python程序设计有所帮助。
原文链接：https://blog.csdn.net/layman2016/article/details/79538760