python之pandas索引、DataFrame数据选取及filter介绍
目录
- 1.数据筛选
-
- 1.1 单条件筛选
- 1.2 多条件筛选
- 1.3 索引筛选
-
- 1.3.1 切片操作
- 1.3.2 loc函数
- 1.3.3 iloc函数
- 1.3.4 ix函数
- 1.3.5 at函数
- 1.3.6 iat函数
- 2.filter
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
1.1 单条件筛选
df[df['a']>30]
# 筛选a列的取值大于30的记录,但只显示满足条件的b，c列的值
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])]
# 选择时间小于10秒的行
time_series = time_series[time_series.index < timedelta(seconds=10)]
c2 = c1[c1.values == class_num]
#过滤掉为 0 的行
data = df[df[self.time_col].apply(lambda x: str(x)) != '0']
print(df[df["Supplier Name"].str.contains('Z')])
print(df[df['Cost'].str.strip('$').astype(float) > 600])
#行中的值匹配某个模式
print(df[df['Invoice Number'].str.startswith("001-")])
1.2 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
# 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)]
# 多条件筛选 + 索引重置
data = meso_data[(self.meso_data['time'] >= start_date) & (self.meso_data['time'] <= end_date)].reset_index(drop=True)
1.3 索引筛选
1.3.1 切片操作
df[行索引，列索引]或df[[列名1，列名2]]
# 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']]
1.3.2 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。
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
df = df.loc[(df['行业编码'] == 1) & (df['单位编码'] == 102)]
use_df = tenmin.loc[(tenmin['状态'] == 5) & (tenmin['模式'] == 0) & (tenmin['完整率'] >= 0.9)]
# 根据某两列条件选择数据，然后索引重置
Data= Data.loc[(Data['num'] >= 0) & (Data['num'] <= 70)].reset_index(drop=True)
df.loc[df[ws_name] > CutOutWS, power_name] = 0
ws_ym_ak.loc[(ws_ym_ak.year == date[0]) & (ws_ym_ak.month == date[1]), 'A'].values[0]
Out[112]: 7.2683892675086845
ws_ym_ak.loc[(ws_ym_ak.year == date[0]) & (ws_ym_ak.month == date[1]), 'K'].values[0]
Out[113]: 3.97522610048051
#按时间过滤行，同时选择['time', 'filled_ws']两列
construct_ws = target.loc[(target['time'] >= start) & (target['time'] < end), ['time', 'filled_ws']]
#取一个值，行满足year=date[0],month=date[1]时，第'A'列对应的值。
ws.loc[(ws.year == date[0]) & (ws.month == date[1]), 'A'].values[0]
ws.loc[(ws.year == date[0]) & (ws.month == date[1]), 'A'].values #是一个1.3.3 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。
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
start = temp_df[target_col].iloc[0]
end = temp_df[target_col].iloc[-1]
#直接用iloc选择某行
production_end = pd.to_datetime(data[time_col].iloc[-1])
#列索引值,打印1，3列
print(df.iloc[:, 1:4:2])
1.3.4 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。
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
1.3.5 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。
In [46]: df.at[3, 'a']
Out[46]: 18
1.3.6 iat函数
与at的功能相同，只使用索引参数
In [49]: df.iat[3,0]
Out[49]: 18
2.filter
python筛选列表中大于0的数据的方法：
1、使用匿名函数lambda和filter函数筛选列表中大于0的数据
Ldata = [1, 2, 3, 4, 5, 6, -1, -2]
res1 = list(filter(lambda x: x > 0, Ldata))
print(res1)
输出结果如下：
[1, 2, 3, 4, 5, 6]
#挑选df中，每行全部大于0，的行
df0 = df[df.apply(lambda x: len(list(filter(lambda y: y > 0, x))) == len(x), axis=1)]
# 差分后，剔除全为正之后
df_1 = df[df.apply(lambda x: len(list(filter(lambda y: y > 0, x[:5]))) >= 4, axis=1)]
2、使用列表解析筛选列表中大于0的数据
Ldata = [1, 2, 3, 4, 5, 6, -1, -2]
res1 = [x for x in Ldata if x > 0]
print(res1)
输出结果如下：
[1, 2, 3, 4, 5, 6]
参考链接：
[1] python怎么筛选列表中大于0的数据？2020.5
[2] python之pandas数据筛选和csv操作 2019.8