pandas实现筛选功能方式

2022-03-20 09:33:06 阅读：254 来源： 互联网

标签：功能 df 列名 date print apply 筛选 pandas

1 筛选出数据的指定几行数据

data=df.loc[2:5] 
#这里的[2:5]表示第3行到第5行内容，[]第一个起始是0，表示数据的第一行

2 筛选出数据某列为某值的所有数据记录

data = df[(df['列名1']== ‘列值1’)]
# 多条件匹配时
data_many=df[(df['列名1']== ‘列值1’)&(df['列名2']==‘列值2’)]
# 多值匹配时
data_many=df[df['列名1'] in [‘值1’，‘值2’，......]]

3 模式匹配

# 开头包含某值的模式匹配
cond=df['列名'].str.startswith('值')
$ 中间包含某值的模式匹配
cond=df['列名'].str.contains('值')

4 范围区间值筛选

# 筛选出基于两个值之间的数据：
cond=df[(df['列名1']>‘列值1’)&(df['列名1']<‘列值2’)]

5 获取某一行某一列的某个值

print(ridership_df.loc['05-05-11','R003'])
# 或者
print(ridership_df.iloc[4,0])

# 结果:
1608

6 获取原始的numpy二维数组

print(df.values)

7 根据条件得到某行元素所在的位置

import pandas as pd

df = pd.DataFrame({'BoolCol': [1, 2, 3, 3, 4],'attr': [22, 33, 22, 44, 66]},index=[10,20,30,40,50])
print(df)
a = df[(df.BoolCol==3)&(df.attr==22)].index.tolist()
b = df[(df.BoolCol==3)&(df.attr==22)].index[0]
c = df[(df.BoolCol==3)&(df.attr==22)].index.values
print(a)

8 元素位置筛选

print(date_frame)				# 打印完整显示的效果
print(date_frame.shape)			# 获取df的行数、列数元祖
print(date_frame.head(2))		# 前2行
print(date_frame.tail(2))		# 后2行

print(date_frame.index.tolist())		# 只获取df的索引列表
print(date_frame.columns.tolist())		# 只获取df的列名列表
print(date_frame.values.tolist())		# 只获取df的所有值的列表（二维列表）

9. 删除多行/多列

# 使用的前提是，dataframe的index和columns用的是数字，利用了drop（）和range()函数。

DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')

# axis = 0，表示删除行； axis = 1 表示删除列。

# 想删除多行/列，用range即可，比如要删除前3行，drop(range(0,3)，axis = 0(默认为零，可不写))即可。

10 to_datetime将字符串格式转化为日期格式

import datetime
import pandas as pd
 
dictDate = {'date': ['2019-11-01 19:30', '2019-11-30 19:00']}
df = pd.DataFrame(dictDate)
df['datetime'] = pd.to_datetime(df['date'])
df['today'] = df['datetime'].apply(lambda x: x.strftime('%Y%m%d'))
df['tomorrow'] = (df['datetime'] + datetime.timedelta(days=1)).dt.strftime('%Y%m%d')

11 `apply()` 函数

# pandas 的 apply() 函数可以作用于 Series 或者整个 DataFrame，功能也是自动遍历整个 Series 或者 DataFrame, 对每一个元素运行指定的函数。
def add_extra(nationality, extra):
    if nationality != "汉":
        return extra
    else:
        return 0

df['ExtraScore'] = df.Nationality.apply(add_extra, args=(5,))
df['ExtraScore'] = df.Nationality.apply(add_extra, extra=5)
df['Extra'] = df.Nationality.apply(lambda n, extra : extra if n == '汉' else 0, args=(5,))

def add_extra2(nationaltiy, **kwargs):
    return kwargs[nationaltiy]
       
df['Extra'] = df.Nationality.apply(add_extra2, 汉=0, 回=10, 藏=5)

参考

标签：功能,df,列名,date,print,apply,筛选,pandas
来源： https://blog.csdn.net/weixin_42322206/article/details/123607271

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9