在Pandas中，筛选特定数据通常使用布尔索引、query()方法或者loc[]和iloc[]访问器。以下是一些常见的筛选数据的方法：
布尔索引是通过创建一个布尔数组来筛选数据，其中True表示保留该行，False表示删除该行。
import pandas as pd
# 创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
'Age': [25, 30, 35, 40],
'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)
# 筛选出年龄大于30的数据
filtered_df = df[df['Age'] > 30]
print(filtered_df)
query()方法query()方法允许你使用字符串表达式来筛选数据。
# 筛选出年龄大于30的数据
filtered_df = df.query('Age > 30')
print(filtered_df)
loc[]访问器loc[]访问器允许你通过标签来筛选数据。
# 筛选出年龄大于30的数据
filtered_df = df.loc[df['Age'] > 30]
print(filtered_df)
iloc[]访问器iloc[]访问器允许你通过位置索引来筛选数据。
# 筛选出前两行数据
filtered_df = df.iloc[:2]
print(filtered_df)
你可以组合多个筛选条件来进一步细化数据。
# 筛选出年龄大于30且城市为'Chicago'的数据
filtered_df = df[(df['Age'] > 30) & (df['City'] == 'Chicago')]
print(filtered_df)
isin()方法如果你想筛选出某个列中包含特定值的行，可以使用isin()方法。
# 筛选出城市为'New York'或'Chicago'的数据
filtered_df = df[df['City'].isin(['New York', 'Chicago'])]
print(filtered_df)
通过这些方法，你可以灵活地筛选出Pandas DataFrame中的特定数据。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
