Pandas 根据另一列提取数据

在数据分析过程中，有时需要根据一列的值来筛选出另一列的值，Pandas中可以使用多种方法实现这一需求。本文将介绍两种基础的方法：使用.loc索引和使用[ ]操作符。

阅读更多：Pandas 教程

1. 使用.loc索引

使用.loc方法可以通过行和列的标签定位数据，语法如下：

df.loc[row_indexer, column_indexer]

其中，row_indexer称作row selector，用于定位行，column_indexer称作column selector，用于定位列。我们需要将row selector设置为布尔值索引，来筛选出符合条件的行，然后使用column selector选取需要的列。具体实现如下：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 32, 18],
    'gender': ['female', 'male', 'male']
})

# 使用.loc方法筛选数据
df.loc[df['gender'] == 'male', 'name']

这里我们创建了一个包含name、age和gender三列的DataFrame，然后通过.loc方法选取了所有gender等于’male’的行，并选取了对应的name列。输出如下：

1         Bob
2    Charlie
Name: name, dtype: object

2. 使用[ ]操作符

除了使用.loc方法外，还可以直接使用[ ]操作符实现同样的功能。语法如下：

df[column_name][row_selector]

其中，column_name为需要选取的列名，row_selector为布尔值索引，用于筛选行。具体实现代码如下：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 32, 18],
    'gender': ['female', 'male', 'male']
})

# 使用[ ]操作符筛选数据
df['name'][df['gender'] == 'male']

输出结果和上一种方法相同。

3. 示例

我们使用了如下数据集作为示例：

以下是一些常见的筛选操作，可以根据具体的需求进行调整。

3.1 筛选特定列的数据

我们要选择所有学生的姓名和分数，可以使用.loc方法或[ ]操作符实现：

import pandas as pd

df = pd.read_csv('students.csv')

# 使用.loc方法选取特定列
df.loc[:, ['name', 'score']]

# 或者使用[ ]操作符选取特定列
df[['name', 'score']]

输出结果如下：

       name  score
0     Alice     89
1       Bob     78
2   Charlie     85
3     David     90
4     Emily     92
5     Frank     87

3.2 筛选符合特定条件的数据

我们要选择所有男生的数据，可以使用布尔值索引实现：

import pandas as pd

df = pd.read_csv('students.csv')

# 选择全部男生的数据
df[df['gender'] == 'Male']

输出结果如下：

   student_id     name gender  score
1        1002      Bob   Male     78
2        1003  Charlie   Male     85
3        1004    David   Male     90
5        1006    Frank   Male     87

3.3 筛选符合多个条件的数据

我们要选择所有女生且成绩大于90分的数据，可以进行如下操作：

import pandas as pd

df = pd.read_csv('students.csv')

# 选择所有女生且成绩大于90分的数据
df[(df['gender'] == 'Female') & (df['score'] > 90)]

输出结果如下：

   student_id   name  gender  score
4        1005  Emily  Female     92

3.4 根据条件将数据进行分组并计算平均值

我们要按照性别对学生的成绩进行分组并计算平均值，可以使用.groupby方法实现：

import pandas as pd

df = pd.read_csv('students.csv')

# 按照性别计算平均成绩
df.groupby('gender')['score'].mean()

输出结果如下：

gender
Female    90.5
Male      85.0
Name: score, dtype: float64

总结

本文介绍了Pandas中根据一列的值来筛选另一列的值的两种方法：使用.loc索引和使用[ ]操作符。同时，提供了一些具体的示例代码，希望能助您在数据分析过程中提高效率。