在 Pandas DataFrame 中过滤数据

1. 基于单一条件过滤 Pandas DataFrame 中的数据
2. 根据多个条件过滤 Pandas DataFrame 中的数据
3. 根据多列值过滤 Pandas DataFrame 中的数据

本教程将演示基于单个或多个条件过滤 Pandas DataFrame 中的数据。

布尔索引意味着选择数据子集或根据某些条件过滤数据。我们处理 DataFrame 中数据的实际值，而不是它们的行或列标签或整数位置。

布尔向量用于过滤布尔索引中的数据。括号可用于对涉及运算符的多个条件进行分组，例如| (OR)、& (AND)、== (EQUAL) 和 ~ (NOT)。

基于单一条件过滤 Pandas DataFrame 中的数据

我们可以通过应用单个条件来使用单个列的值过滤数据。

在下面的代码中，我们有学生的数据，我们通过将单个条件应用于 Department 值来过滤记录。只有那些系为 CS 的学生的记录才会显示。

示例代码：

# Python 3.x
import pandas as pd

df = pd.read_csv("Student.csv")
display(df)
df_filtered = df[(df["Department"] == "CS")]
display(df_filtered)

输出：

根据多个条件过滤 Pandas DataFrame 中的数据

在某些情况下，我们还可以应用多个条件从单个列中选择数据。

如果我们只想显示那些分数大于 60 但小于 90 的学生的记录，我们将使用由 & 运算符连接的多个条件。

要记住的重要一点是分别使用运算符&、|、~而不是 AND、OR、NOT。

示例代码：

# Python 3.x
import pandas as pd

df = pd.read_csv("Student.csv")
display(df)
df_filtered = df[(df["Marks"] > 60) & (df["Marks"] < 90)]
display(df_filtered)

输出：

根据多列值过滤 Pandas DataFrame 中的数据

我们还可以使用基于多列值的条件过滤数据。

在下面的代码中，我们过滤了记录，只显示部门为 EE 且标记高于或等于 80 的记录。我们使用括号对多个条件进行分组。

每当我们过滤来自多个列的数据时，我们总是应用多个条件。

示例代码：

# Python 3.x
import pandas as pd

df = pd.read_csv("Student.csv")
display(df)
df_filtered = df[(df["Department"] == "EE") & (df["Marks"] >= 80)]
display(df_filtered)

输出：