從列表中一次性篩選多個指定位置的數據

Pandas的DataFrame在篩選列數據的時候，有一個很是方便的用法。

假設如今有這樣一個DataFrame：

import pandas as pd


data = [
    {'name': 'kingname', 'age': 20, 'salary': 99999},
    {'name': 'alice', 'age': 30, 'salary': 99999},
    {'name': 'bob', 'age': 10, 'salary': 99999},
    {'name': 'cindy', 'age': 40, 'salary': 99999}
]
df = pd.DataFrame(data)
df
複製代碼

運行效果以下圖所示：

我要篩選全部age >= 30的數據，能夠這樣寫：

df[df['age'] >= 30]
複製代碼

運行效果以下圖所示：

而這裏面的原理，實際上可使用下面這個代碼來解釋：

df[[False, True, False, True]]
複製代碼

以下圖所示：

那麼問題來了，我有一個Python裏面，列表能不能也實現這個功能呢？假設有下面兩個列表：

name_list = ['kingname', 'alice', 'bob', 'cindy']

position_list = [True, False, True, False]
複製代碼

我想把position_list列表中，True的下標在name_list中對應的值都獲取下來。

你可能會這樣寫代碼：

name_list = ['kingname', 'alice', 'bob', 'cindy']
position_list = [True, False, True, False]

for name, position in zip(name_list, position_list):
    if position:
        print(name)
複製代碼

運行效果以下圖所示：

但實際上，在Python裏面有一個現成的函數能夠實現這個功能，那就是itertools.compress()，其使用方法以下：

from itertools import compress

name_list = ['kingname', 'alice', 'bob', 'cindy']
position_list = [True, False, True, False]

for name in compress(name_list, position_list):
    print(name)
複製代碼

運行效果以下圖所示：

若是這篇文章對你有幫助，請關注個人微信公衆號： 未聞Code(ID: itskingname)，第一時間獲的最新更新：