pandas數(shù)據(jù)篩選和csv操作的實(shí)現(xiàn)方法
1. 數(shù)據(jù)篩選
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 7 42 44 46 8 48 50 52 9 54 56 58
（1）單條件篩選
df[df['a']>30] # 如果想篩選a列的取值大于30的記錄,但是之顯示滿足條件的b，c列的值可以這么寫 df[['b','c']][df['a']>30] # 使用isin函數(shù)根據(jù)特定值篩選記錄。篩選a值等于30或者54的記錄 df[df.a.isin([30, 54])]
（2）多條件篩選
可以使用&（并）與| （或）操作符或者特定的函數(shù)實(shí)現(xiàn)多條件篩選
# 使用&篩選a列的取值大于30，b列的取值大于40的記錄 df[(df['a'] > 30) & (df['b'] > 40)]
（3）索引篩選
a. 切片操作
df[行索引，列索引]或df[[列名1，列名2]]
#使用切片操作選擇特定的行 df[1:4] #傳入列名選擇特定的列 df[['a','c']]
b. loc函數(shù)
當(dāng)每列已有column name時(shí)，用 df [ ‘a(chǎn)' ] 就能選取出一整列數(shù)據(jù)。如果你知道column names 和index，且兩者都很好輸入，可以選擇 .loc同時(shí)進(jìn)行行列選擇。
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
c. iloc函數(shù)
如果column name太長(zhǎng)，輸入不方便，或者index是一列時(shí)間序列，更不好輸入，那就可以選擇 .iloc了，該方法接受列名的index,iloc 使得我們可以對(duì)column使用slice（切片）的方法對(duì)數(shù)據(jù)進(jìn)行選取。這邊的 i 我覺得代表index，比較好記點(diǎn)。
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
d. ix函數(shù)
ix的功能更加強(qiáng)大，參數(shù)既可以是索引，也可以是名稱，相當(dāng)于，loc和iloc的合體。需要注意的是在使用的時(shí)候需要統(tǒng)一，在行選擇時(shí)同時(shí)出現(xiàn)索引和名稱， 同樣在同行選擇時(shí)同時(shí)出現(xiàn)索引和名稱。
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
e. at函數(shù)
根據(jù)指定行index及列l(wèi)abel，快速定位DataFrame的元素，選擇列時(shí)僅支持列名。
In [46]: df.at[3,'a'] Out[46]: 18
f. iat函數(shù)
與at的功能相同，只使用索引參數(shù)
In [49]: df.iat[3,0] Out[49]: 18
2. csv操作
csv文件內(nèi)容
Supplier Name,Invoice Number,Part Number,Cost,Purchase Date Supplier X,001-1001,2341,$500.00 ,1/20/14 Supplier X,001-1001,2341,$500.00 ,1/20/14 Supplier X,001-1001,5467,$750.00 ,1/20/14 Supplier X,001-1001,5467,$750.00 ,1/20/14 Supplier Y,50-9501,7009,$250.00 ,1/30/14 Supplier Y,50-9501,7009,$250.00 ,1/30/14 Supplier Y,50-9505,6650,$125.00 ,2002/3/14 Supplier Y,50-9505,6650,$125.00 ,2002/3/14 Supplier Z,920-4803,3321,$615.00 ,2002/3/14 Supplier Z,920-4804,3321,$615.00 ,2002/10/14 Supplier Z,920-4805,3321,$615.00 ,2/17/14 Supplier Z,920-4806,3321,$615.00 ,2/24/14
（1）csv文件讀寫
關(guān)于read_csv函數(shù)中的參數(shù)說明參考博客：http://m.fzitv.net/article/164445.htm
import pandas as pd
# 讀寫csv文件
df = pd.read_csv("supplier_data.csv")
df.to_csv("supplier_data_write.csv",index=None)
（2）篩選特定的行
#Supplier Nmae列中姓名包含'Z'，或者Cost列中的值大于600
print(df[df["Supplier Name"].str.contains('Z')])
print(df[df['Cost'].str.strip('$').astype(float) > 600])
print(df.loc[(df["Supplier Name"].str.contains('Z'))|(df['Cost'].str.strip('$').astype(float) > 600.0),:])
#行中的值屬于某個(gè)集合
li = [2341,6650]
print(df[df['Part Number'].isin(li)])
print(df.loc[df['Part Number'].astype(int).isin(li),:])
#行中的值匹配某個(gè)模式
print(df[df['Invoice Number'].str.startswith("001-")])
（3）選取特定的列
#選取特定的列 #列索引值,打印1，3列 print(df.iloc[:,1:4:2]) #列標(biāo)題打印 print(df.loc[:,["Invoice Number", "Part Number"]]) #選取連續(xù)的行 print(df.loc[1:4,:])
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
- pandas數(shù)據(jù)處理基礎(chǔ)之篩選指定行或者指定列的數(shù)據(jù)
- pandas按若干個(gè)列的組合條件篩選數(shù)據(jù)的方法
- pandas系列之DataFrame 行列數(shù)據(jù)篩選實(shí)例
- 使用pandas實(shí)現(xiàn)篩選出指定列值所對(duì)應(yīng)的行
- 使用Pandas對(duì)數(shù)據(jù)進(jìn)行篩選和排序的實(shí)現(xiàn)
- pandas 按日期范圍篩選數(shù)據(jù)的實(shí)現(xiàn)
- pandas按條件篩選數(shù)據(jù)的實(shí)現(xiàn)
- Pandas 如何篩選包含特定字符的列
- Python?Pandas條件篩選功能
- python使用pandas實(shí)現(xiàn)篩選功能方式
相關(guān)文章
Python使用JDAudioCrawler將下載的音頻存儲(chǔ)到本地
在當(dāng)今數(shù)字化時(shí)代,音頻數(shù)據(jù)的獲取和處理變得越來越重要,本文將訪問網(wǎng)易云音樂為案例,介紹如何使用JDAudioCrawler這個(gè)強(qiáng)大的工具,將音頻數(shù)據(jù)存儲(chǔ)下載到本地存儲(chǔ)中,需要的可以了解下2023-10-10
Python學(xué)習(xí)之用pygal畫世界地圖實(shí)例
這篇文章主要介紹了Python學(xué)習(xí)之用pygal畫世界地圖實(shí)例，具有一定借鑒價(jià)值，需要的朋友可以參考下。2017-12-12
這篇文章主要給大家介紹了關(guān)于Python中asyncio的多種用法,包括順序執(zhí)行非異步任務(wù)、順序執(zhí)行異步任務(wù)、并行執(zhí)行異步任務(wù)以及并行執(zhí)行非異步任務(wù),通過使用asyncio模塊,可以有效地提高程序的執(zhí)行效率,尤其是在處理I/O密集型任務(wù)時(shí),需要的朋友可以參考下2024-11-11
PyQt4 treewidget 選擇改變顏色,并設(shè)置可編輯的方法
今天小編就為大家分享一篇PyQt4 treewidget 選擇改變顏色,并設(shè)置可編輯的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-06-06
這篇文章主要介紹了Python類的繼承和多態(tài)代碼詳解，具有一定借鑒價(jià)值,需要的朋友可以參考下2017-12-12
Python實(shí)現(xiàn)迪杰斯特拉算法過程解析
這篇文章主要介紹了Python實(shí)現(xiàn)迪杰斯特拉算法過程解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-09-09
Python實(shí)現(xiàn)方便使用的級(jí)聯(lián)進(jìn)度信息實(shí)例
這篇文章主要介紹了Python實(shí)現(xiàn)方便使用的級(jí)聯(lián)進(jìn)度信息,實(shí)例分析了Python顯示級(jí)聯(lián)進(jìn)度信息的相關(guān)技巧,非常具有實(shí)用價(jià)值,需要的朋友可以參考下2015-05-05
Python實(shí)現(xiàn)查詢剪貼板自動(dòng)匹配信息的思路詳解
這篇文章主要介紹了Python實(shí)現(xiàn)查詢剪貼板自動(dòng)匹配信息，本文通過示例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-07-07
django-crontab 定時(shí)執(zhí)行任務(wù)方法的實(shí)現(xiàn)
這篇文章主要介紹了django-crontab 定時(shí)執(zhí)行任務(wù)方法的實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-09-09
python中range和xrange的區(qū)別(python2和python3)
在Python中,range()?和?xrange()?函數(shù)在早期的Python版本（Python 2）中扮演著不同的角色,但在Python 3中,xrange()?已經(jīng)被移除,并被?range()?取代,下面就來介紹一下,感興趣的可以了解一下2025-04-04