怎樣在Pandas DataFrame列中搜索值

更新時(shí)間：2023年09月12日 14:33:11 作者：Sonhhxg_柒

這篇文章主要介紹了怎樣在Pandas DataFrame列中搜索值問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

在Pandas DataFrame列中搜索值

在DataFrame列中搜索值的Python Pandas代碼示例

在任何機(jī)器學(xué)習(xí)或數(shù)據(jù)科學(xué)項(xiàng)目中處理大型數(shù)據(jù)集時(shí)，都需要在特征中搜索某些值，而對(duì)于這些值，我們需要從其他特征中獲取值。

在數(shù)據(jù)集中搜索值可能聽(tīng)起來(lái)很復(fù)雜，但 Python Pandas 讓它變得簡(jiǎn)單。

下面的 Python Pandas 代碼執(zhí)行以下操作：

1. 創(chuàng)建數(shù)據(jù)字典并將其轉(zhuǎn)換為 Dataframe
2. 使用“where”函數(shù)過(guò)濾出所需的數(shù)據(jù)列。pandas.DataFrame.where() 函數(shù)類似于 if-then 慣用語(yǔ)，它檢查條件以相應(yīng)地返回結(jié)果。

用于在DataFrame中查找值的 Python Pandas示例代碼

下面是 python 中的 pandas 代碼，用于在 Pandas DataFrame 列中搜索值 -

第 1 步 - 導(dǎo)入庫(kù)

import pandas as pd

我們只導(dǎo)入了此代碼示例所需的 python pandas 庫(kù)。

第 2 步 - 設(shè)置數(shù)據(jù)

我們已經(jīng)創(chuàng)建了一個(gè)數(shù)據(jù)字典并將其傳遞給 pd.DataFrame 以創(chuàng)建一個(gè)包含“first_name”、“last_name”、“age”、“Comedy_Score”和“Rating_Score”列的數(shù)據(jù)框。

raw_data = {'first_name': ['Sheldon', 'Raj', 'Leonard', 'Howard', 'Amy'],
            'last_name': ['Copper', 'Koothrappali', 'Hofstadter', 'Wolowitz', 'Fowler'],
            'age': [42, 38, 36, 41, 35],
            'Comedy_Score': [9, 7, 8, 8, 5],
            'Rating_Score': [25, 25, 49, 62, 70]}
df = pd.DataFrame(raw_data, columns = ['first_name', 'last_name', 'age',
                                       'Comedy_Score', 'Rating_Score'])
print(df)

第 3 步 - 在 DataFrame 中搜索值

我們?cè)谔卣?Rating_Score 中搜索值小于 50 的數(shù)據(jù)，對(duì)于這些值，我們?cè)?comedy_Score 中選擇相應(yīng)的值。

print(df['Comedy_Score'].where(df['Rating_Score'] < 50))

輸出如下所示 -

first_name last_name age Comedy_Score Rating_Score

0 Sheldon Copper 42 9 25

1 Raj Koothrappali 38 7 25

2 Leonard Hofstadter 36 8 49

3 Howard Wolowitz 41 8 62

4 Amy Fowler 35 5 70

0 9.0

1 7.0

2 8.0

3 NaN

4 NaN

Name: Comedy_Score, dtype: float64

python pandas DataFrame 列數(shù)值大小篩選

import pandas as pd
data = [[1,2],[2,3],[3,4],[-3,4],[-2,3]]
column = ['a','b']
df = pd.DataFrame(data,columns=column)
#篩選a列絕對(duì)值大于2的數(shù)
v = df[abs(df['a']) > 2]
print(v['a'])

打印出來(lái)的結(jié)果是