职业院校专题建设网站,国外的优秀网站,企业小程序怎么注册,济南做网站的好公司文章目录 index区间取行列值区间条件取行#xff08;1#xff09;列值区间基本表达方式#xff08;2#xff09;多条件组合表达方式#xff08;3#xff09;函数条件表达方式 datafame接受的几个过滤函数#xff08;1#xff09;isin函数#xff1a;(2) query函数1列值区间基本表达方式2多条件组合表达方式3函数条件表达方式 datafame接受的几个过滤函数1isin函数(2) query函数(3) contains函数 错误条件格式示例1示例2 关注根据某列series的值区间取行问题。 根据行的index区间位置必须先知道index区间比较基础 代码准备 环境平台Python 3.7.1 -IDLE Shell import pandas as pddf pd.DataFrame({Name: [Tom, Jim, Lily], Age: [20, 18, 22], Gender: [Male, Male, Female]})注该例子数据形式来自https://www.python100.com/html/116332.html
index区间取行
示例1提取索引名‘1’的那一行返回一个行Series row df.loc[1]#按索引名提取当使用自动生成的索引时索引名与索引号相同row
Name Jim
Age 18
Gender Male
Name: 1, dtype: objecttype(row)
class pandas.core.series.Series注 df.iloc[:] #按索引(号)提取 示例2
row df.loc[0:1]rowName Age Gender
0 Tom 20 Male
1 Jim 18 Malerow df.iloc[0:1]rowName Age Gender
0 Tom 20 Malerow df.loc[0:0]rowName Age Gender
0 Tom 20 Maletype(row)
class pandas.core.frame.DataFrame注意两种提取的区间有区别按索引号提取的区间为[0,1) row df.iloc[0:0]row
Empty DataFrame
Columns: [Name, Age, Gender]
Index: []列值区间条件取行 row df.loc[df[Age] 20].iloc[0][Name]row
Lily上语句的含义是需要从dataframedf.loc[df[‘Age’] 20]中提取索引为0的行Series的‘name’值
1列值区间基本表达方式
示例1 row df.loc[df[Age] 18]rowName Age Gender
0 Tom 20 Male
2 Lily 22 Female注超过区间不会产生错误返回 row df.loc[df[Age] 23]row
Empty DataFrame
Columns: [Name, Age, Gender]
Index: []2多条件组合表达方式
示例2 row df.loc[(df[Age] 18)(df[Name] Lily)]rowName Age Gender
2 Lily 22 Female如果条件为False则返回的dataframe为Empty row df.loc[(df[Age] 18)(df[Name] tongzhi)]#tongzhi不存在原dataframerow
Empty DataFrame
Columns: [Name, Age, Gender]
Index: []当然也可以用’|关系操作符 row df.loc[(df[Age] 18)|(df[Name] Jim)]rowName Age Gender
0 Tom 20 Male
1 Jim 18 Male
2 Lily 22 Female注还可以关系:~ 非
3函数条件表达方式
可以使用lambda或自定义函数返回bool选择符合返回条件的行如 xJimrow df.loc[lambda x:x[Name] Jim]rowName Age Gender
1 Jim 18 Maledatafame接受的几个过滤函数
1isin函数 df[df[“column_name”].isin(li)] (# li [20, 25, 27] 或 li np.arange(20, 30)) 根据从isin函数传入的列表(li)筛选出与列表中包含的数值或字符串相同的数据记录, 用法有点类似sql中的in (2) query函数 df.query(“(column_name1 ‘str1’) (column_name2 ‘str2’)”) 根据query中引入的不同字段str1str2等和条件筛选出同时能满足这些要求的数据记录 (3) contains函数 df[df[“column_name”].str.contains(“str”)] 筛选出所有含有(str)的数据记录, 用法类似于sql中的contains 以上参考了链接https://blog.csdn.net/weixin_45914452/article/details/120585861
错误条件格式
示例1 row df.loc[(18df[Age] 22)]
Traceback (most recent call last):File pyshell#56, line 1, in modulerow df.loc[(18df[Age] 22)]File D:\Program Files\Python371\lib\site-packages\pandas\core\generic.py, line 1538, in __nonzero__fThe truth value of a {type(self).__name__} is ambiguous.
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().示例2 row df.loc[df[Age] 18 df[Age] 22]
Traceback (most recent call last):File pyshell#38, line 1, in modulerow df.loc[df[Age] 18 df[Age] 22]File D:\Program Files\Python371\lib\site-packages\pandas\core\generic.py, line 1538, in __nonzero__fThe truth value of a {type(self).__name__} is ambiguous.
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
