使用pandas篩選出指定列值所對應的行

在pandas中怎麼樣實現相似mysql查找語句的功能：

select * from table where column_name = some_value;複製代碼

pandas中獲取數據的有如下幾種方法：

• 布爾索引
• 位置索引
• 標籤索引
• 使用API

假設數據以下:

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': 'foo bar foo bar foo bar foo foo'.split(),
                   'B': 'one one two three two two one three'.split(),
                   'C': np.arange(8), 'D': np.arange(8) * 2})複製代碼

布爾索引

該方法其實就是找出每一行中符合條件的真值(true value)，如找出列A中全部值等於foo

df[df['A'] == 'foo'] # 判斷等式是否成立複製代碼

位置索引

使用iloc方法，根據索引的位置來查找數據的。這個例子須要先找出符合條件的行所在位置

mask = df['A'] == 'foo'
pos = np.flatnonzero(mask)  # 返回的是array([0, 2, 4, 6, 7])
df.iloc[pos]

#常見的iloc用法
df.iloc[:3,1:3]複製代碼

標籤索引

如何DataFrame的行列都是有標籤的，那麼使用loc方法就很是合適了。

df.set_index('A', append=True, drop=False).xs('foo', level=1) # xs方法適用於多重索引DataFrame的數據篩選

# 更直觀點的作法
df.index=df['A'] # 將A列做爲DataFrame的行索引
df.loc['foo', :]

# 使用布爾
df.loc[df['A']=='foo']複製代碼

使用API

pd.DataFrame.query方法在數據量大的時候，效率比常規的方法更高效。

df.query('A=="foo"')

# 多條件
df.query('A=="foo" | A=="bar"')複製代碼

數據提取不止前面提到的狀況，第一個答案就給出瞭如下幾種常見狀況：一、篩選出列值等於標量的行，用==

df.loc[df['column_name'] == some_value]複製代碼

二、篩選出列值屬於某個範圍內的行，用isin

df.loc[df['column_name'].isin(some_values)]  # some_values是可迭代對象複製代碼

三、多種條件限制時使用&，&的優先級高於>=或<=，因此要注意括號的使用< p="">

df.loc[(df['column_name'] >= A) & (df['column_name'] <= B)]複製代碼

四、篩選出列值不等於某個/些值的行

df.loc[df['column_name'] != 'some_value']

df.loc[~df['column_name'].isin('some_values')] #~取反複製代碼

若是你以爲個人文章還能夠，能夠關注個人微信公衆號，查看更多實戰文章：Python爬蟲實戰之路也能夠掃描下面二維碼，添加個人微信公衆號