章节2 行走数据江湖，只需一行代码

http://sa.mentorx.net 蔓藤教育

8. 数据筛选、过滤，[绘图前的必备功课]

8.1 excel操作

筛选，18<=年龄<=30的学生的分数状况，且分数>80的学生

全部选中，然后筛选即可。

8.2 Python操作

读取的时候，将 ‘ID’ 作为 index ，

import pandas as pd

students = pd.read_excel('C:/Temp/Students.xlsx', index_col='ID')

筛选数据：用函数的形式来表达条件
pd.series有apply()方法，

import pandas as pd

students = pd.read_excel('C:/Temp/Students.xlsx', index_col='ID')
students = students.loc[students['Age'].apply[age_18_to_30]]
print(students)

import pandas as pd

def age_18_to_30(a):
	return 18 <= a <30

def level_a(s):
	return 85 <=s <=100

students = pd.read_excel('C:/Temp/Students.xlsx', index_col='ID')
students = students.loc[students['Age'].apply[age_18_to_30]].loc[students['Score'].apply(level_a)]
print(students)

另一种写法：

students = students.loc[students.Age.apply[age_18_to_30]].loc[students.Score.apply(level_a)]

进一步优化代码：

students = students.loc[students.Age.apply[lambda a: 18<=a<30]].loc[students.Score.apply(lambda s: 85<=s<=100)]

代码太长，可以打一个 空格+ ’ \ '，然后回车即可

students = students.loc[students.Age.apply[lambda a: 18<=a<30]] \
.loc[students.Score.apply(lambda s: 85<=s<=100)]