Python Pandas——逐个检查区间是否包含某个值

在日常的数据分析中，我们经常需要对数据进行区间判断。例如，我们有一些销售数据，想要找出销售额在500到1000之间的记录。在Python的Pandas库中，提供了一种方便的方法来对区间进行判断。本文将介绍如何使用Pandas来逐个检查区间是否包含某个值。

更多Pandas相关文章，请阅读：Pandas 教程

准备工作

在开始之前，首先需要导入Pandas库。

import pandas as pd

为了方便说明，本文将使用以下数据作为示例。

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eric'],
    'sales': [800, 1200, 450, 650, 900],
    'cost': [600, 900, 350, 500, 700]
}

df = pd.DataFrame(data)

数据如下：

    name   sales  cost
0  Alice   800   600
1    Bob  1200   900
2    Charlie   450   350
3    David   650   500
4    Eric   900   700

检查销售额是否在500到1000之间

Pandas提供了一种函数——between，用于检查数值是否在某一区间之内。下面的示例代码展示了如何检查销售额是否在500到1000之间。

df['sales_between'] = df['sales'].between(500, 1000)

在这个例子中，between函数会返回一个布尔值的Series，表示每个记录的销售额是否在500到1000之间。新加的一列”sales_between”将保存这些布尔值。

数据如下：

    name   sales  cost  sales_between
0  Alice   800   600           True
1    Bob  1200   900          False
2    Charlie   450   350          False
3    David   650   500           True
4    Eric   900   700           True

检查多个条件是否同时满足

有时候我们需要同时判断多个条件是否满足。例如，我们想要找出销售额在500到1000之间且成本低于800的记录。下面的代码展示了如何实现这个条件的判断。

df['sales_between_and_cost_lt_800'] = df['sales'].between(500, 1000) & (df['cost'] < 800)

由于&符号的优先级比较低，所以需要用括号将条件语句括起来。

数据如下：

    name   sales  cost  sales_between  sales_between_and_cost_lt_800
0  Alice   800   600           True                          True
1    Bob  1200   900          False                         False
2    Charlie   450   350          False                         False
3    David   650   500           True                          True
4    Eric   900   700           True                         False

检查某列是否包含某些值

有时候我们需要检查某个列是否包含某些特定的值。例如，我们想要找出销售额为800或900的记录。下面的代码展示了如何实现这个检查。

df['sales_in'] = df['sales'].isin([800, 900])

在这个例子中，isin函数接收一个列表，用于指定要检查的值。新加的一列”sales_in”将保存这些布尔值。

数据如下：

    name   sales  cost  sales_between  sales_between_and_cost_lt_800  sales_in
0  Alice   800   600           True                          True  True
1    Bob  1200   900          False                         False  False
2    Charlie   450  350          False                         False  False
3    David   650   500           True                          True  False
4    Eric   900   700           True                         False  True