Python DataFrame多条件筛选

1. 简介

在数据分析和处理的过程中，经常需要进行数据筛选操作，以获取满足特定条件的数据。Python中的pandas库提供了强大的数据处理工具，其中的DataFrame结构能够灵活地进行多条件筛选。本文将详细介绍如何使用Python中的DataFrame进行多条件筛选操作。

2. DataFrame 简介

DataFrame是pandas库中最重要的数据结构之一，类似于Excel中的表格。它由多个Series按列组成，每列可以是不同的数据类型。DataFrame中的数据可以通过行和列的引用进行访问和操作，提供了丰富的数据处理功能。

3. DataFrame 多条件筛选

在pandas的DataFrame中，可以使用多种方式进行多条件筛选，包括布尔索引、query方法以及使用loc和iloc方法。下面将分别介绍这些方法的使用。

3.1 布尔索引

布尔索引是一种基于条件表达式的筛选方式，适用于简单的条件筛选。可以使用逻辑运算符（如>、<、==等）对DataFrame中的列进行比较，生成布尔值的Series，然后根据这些布尔值对DataFrame进行筛选。

示例代码如下：

import pandas as pd

# 创建DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Mike'],
        'Age': [20, 21, 22, 23],
        'City': ['Beijing', 'Shanghai', 'Beijing', 'Shanghai']}
df = pd.DataFrame(data)

# 使用布尔索引筛选Age大于21的数据
result = df[df['Age'] > 21]
print(result)

运行结果如下：

  Name  Age      City
2  John   22   Beijing
3  Mike   23  Shanghai

上述代码创建了一个包含姓名、年龄和城市信息的DataFrame，然后使用布尔索引筛选出年龄大于21的数据。可见，筛选结果只留下了满足条件的数据。

3.2 query方法

query方法是一种更为灵活和易读的筛选方式，可以直接使用类似SQL的语法进行条件筛选。它基于字符串表达式，可以在表达式中使用各种运算符进行复杂的条件组合。

示例代码如下：

import pandas as pd

# 创建DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Mike'],
        'Age': [20, 21, 22, 23],
        'City': ['Beijing', 'Shanghai', 'Beijing', 'Shanghai']}
df = pd.DataFrame(data)

# 使用query方法筛选Age大于21的数据
result = df.query('Age > 21')
print(result)

运行结果如下：

  Name  Age      City
2  John   22   Beijing
3  Mike   23  Shanghai

上述代码与前面的示例使用布尔索引的效果相同，但是query方法更为直观和简洁，特别适用于复杂条件的筛选。

3.3 loc和iloc方法

loc和iloc方法是基于行和列的标签进行筛选的方式。loc方法使用标签进行筛选，而iloc方法使用索引进行筛选。通过传入满足特定条件的标签或索引，可以从DataFrame中提取相应的数据。

示例代码如下：

import pandas as pd

# 创建DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Mike'],
        'Age': [20, 21, 22, 23],
        'City': ['Beijing', 'Shanghai', 'Beijing', 'Shanghai']}
df = pd.DataFrame(data)

# 使用loc方法根据行和列的标签筛选数据
result = df.loc[df['Age'] > 21, ['Name', 'Age']]
print(result)

运行结果如下：

  Name  Age
2  John   22
3  Mike   23

上述代码创建了一个DataFrame，然后使用loc方法根据列标签进行筛选，筛选出年龄大于21的数据的姓名和年龄。可以看到，只有满足条件的数据被提取出来。

4. 多条件组合筛选

在实际应用中，经常需要根据多个条件的组合进行筛选。Pandas提供了逻辑运算符（如&、|、~）来实现多个条件的组合筛选。

示例代码如下：

import pandas as pd

# 创建DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Mike'],
        'Age': [20, 21, 22, 23],
        'City': ['Beijing', 'Shanghai', 'Beijing', 'Shanghai']}
df = pd.DataFrame(data)

# 使用布尔索引筛选年龄在20到22之间，且城市是上海的数据
result = df[(df['Age'] >= 20) & (df['Age'] <= 22) & (df['City'] == 'Shanghai')]
print(result)

运行结果如下：

  Name  Age      City
1  Nick   21  Shanghai

上述代码使用布尔索引筛选出年龄在20到22之间，并且城市是上海的数据。可以看到，只有满足两个条件的数据被保留下来。

5. 总结

本文介绍了使用Python中的DataFrame进行多条件筛选的方法。通过布尔索引、query方法以及loc和iloc方法，可以快速灵活地筛选DataFrame中满足特定条件的数据。在实际应用中，根据需要选择合适的筛选方式，可以提高数据处理的效率和精确度。