pandas筛选符合多个条件的方法

文章目录

示例数据展示
- 例子筛选说明
直接筛选
基于map的筛选
使用query()方法筛选
总结：
参考资料

我的这篇笔记不记录排序、分组、替换，只记录筛选功能的三种常见的方法。

直接筛选（推荐）
基于map方法的筛选（在方法一的基础上，十分推荐）
query方法（不推荐）

所有代码均在：https://github.com/123liudong/pythonBlog/tree/master/dataDealPandas

示例数据展示

all_data = pd.read_csv('data.csv')
print(all_data.info())
print(all_data.head(100))

例子筛选说明

为了简单例子，所以在使用筛选方法１和方法２的时候，直接筛选User_id=1439408和Date＝NaN的数据。至于筛选方法３，因为我还不知道怎么表示NaN所以仅展示筛选User_id=1439408的数据。

直接筛选

直接使用列需要满足的条件，如果需要多个列同时满足条件，使用’&‘符号连接即可；如果只需要某一列满足条件，则使用’|'连接多个列的条件。

# # 直接筛选方法
some = all_data[(all_data['User_id'] == 1439408) & (all_data['Date'].isna())]
print(some)

结果：得到了User_id=1439408和Date为空的数据项

   User_id  Merchant_id  Coupon_id Discount_rate  Distance  Date_received  Date
1  1439408         4663    11002.0        150:20       1.0     20160528.0   NaN
2  1439408         2632     8591.0          20:1       0.0     20160217.0   NaN
3  1439408         2632     1078.0          20:1       0.0     20160319.0   NaN
4  1439408         2632     8591.0          20:1       0.0     20160613.0   NaN

基于map的筛选

这个筛选方式和直接筛选唯一不同的就是，把筛选条件给隔离出来了。

user_requried = all_data['User_id'].map(lambda x : x==1439408)
date_requried = all_data['Date'].map(lambda x : np.isnan(x))
some = all_data[user_requried & date_requried]
print(some)

结果：其中map返回的值必须是bool类型，即某一个条件。然后使用直接筛选的方式，把条件合并，最终得出筛选的结果。我认为使用此种类型的方法更加的优美。

   User_id  Merchant_id  Coupon_id Discount_rate  Distance  Date_received  Date
1  1439408         4663    11002.0        150:20       1.0     20160528.0   NaN
2  1439408         2632     8591.0          20:1       0.0     20160217.0   NaN
3  1439408         2632     1078.0          20:1       0.0     20160319.0   NaN
4  1439408         2632     8591.0          20:1       0.0     20160613.0   NaN

使用query()方法筛选

直接写表达式，得出想要筛选的结果。

some = all_data.query('(User_id == 1439408)')
print(some)

结果：直接写表达式容易触发一些不必要的问题（值的类型容易出错，一些特殊值的表达困难等），所以并不建议使用这样的方法。

   User_id  Merchant_id  Coupon_id  ... Distance  Date_received        Date
0  1439408         2632        NaN  ...      0.0            NaN  20160217.0
1  1439408         4663    11002.0  ...      1.0     20160528.0         NaN
2  1439408         2632     8591.0  ...      0.0     20160217.0         NaN
3  1439408         2632     1078.0  ...      0.0     20160319.0         NaN
4  1439408         2632     8591.0  ...      0.0     20160613.0         NaN
5  1439408         2632        NaN  ...      0.0            NaN  20160516.0
6  1439408         2632     8591.0  ...      0.0     20160516.0  20160613.0

总结：

直接筛选适用于一些较简单的筛选
基于map的方法适用于较为复杂的筛选，把条件提出来实现，使得代码更加简单明了。
使用query方法虽然也能实现，但写的表达式总是容易出错，所以不建议使用。

参考资料

https://pandas.pydata.org/pandas-docs/stable/

pandas筛选符合多个条件的方法相关推荐

pandas取出符合条件的某单元格的值
pandas取出符合条件的某单元格的值已经读取excel表中的值,得出DATAFRAME-----data1 想取出某些值写入另一个excel表发现用data1['任务指标利润总额'][data1 ...
Python筛选处理Excel的两种方法（openpyxl与pandas）
Python处理Excel数据,有两种思路, 一是通过相应的execl库进行操作,优点是最大限度保留了excel的特性,缺点是速度慢另一种是以数据的思维,通过Pandas等库进行数据处理,速度快,缺 ...
自动筛选符合条件的行数
实现: 1.输入框:输入时,输入框背景灰色,边框黑色 2.姓名筛选:输入文字,自动筛选符合条件的行,并显示匹配的人数. js代码 $(document).ready(function () {$('# ...
python筛选csv数据_pandas数据筛选和csv操作的实现方法
1. 数据筛选 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 4 ...
Pandas——筛选数据（loc、iloc）
文章目录 1.普通方法筛选 2.loc(纯标签筛选) 3. iloc(纯数字筛选) 4.ix(标签与数字的混合筛选) 5.判断条件筛选 1.普通方法筛选我们首先构造了一个 5X4 的矩阵数据. im ...
Python3 编写处理Excel表格数据筛选脚本用到的一些方法
记录下之前用python3 写的一个处理Excel表格数据筛选脚本用到的一些方法. 本文内容比较杂,可按需跳转翻看. pandas是一个内容十分丰富的库,我也只不过用到其中处理excel的方法,对这个 ...
pandas 筛选excel文件并保存新表
文章目录前言代码总结前言今天处理了一个大的excel文件,从中筛选符合条件的数据,excel工具只能筛选两个条件太局限了,就用pandas处理了一下,也是学到了很多东西,在这里记录一下,方便 ...
Py之Pandas：Python的pandas库简介、安装、使用方法详细攻略
Py之Pandas:Python的pandas库简介.安装.使用方法详细攻略目录 pandas库简介 pandas库安装 pandas库使用方法 1.函数使用方法 2.使用经验总结 3.绘图相关操作 ...
【Python基础】pandas的骚操作：一行 pandas 代码搞定 Excel “条件格式”！
来源:Python数据科学作者:东哥起飞本篇是pandas100个骚操作系列的第 7 篇:一行 pandas 代码搞定 Excel "条件格式"! 系列内容,请看????「pa ...