DataFrame筛选出指定列值的行_dataframe根据某列的值取特定行_guotianqing的博客

link管理

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

相关文章推荐

没有腹肌的雪糕 · 怎么给视频的音乐加混响效果 - 视频剪辑教程· 2 周前 ·

威武的单杠 · js函数内怎么给全局变量赋值 | ...· 2 月前 ·

任性的便当 · 工作小技巧--处理ORA-12638: ...· 2 月前 ·

微醺的鸡蛋面 · Lua中的全局变量与环境 | 随手记录· 5 月前 ·

会搭讪的跑步鞋 · 原神akt大佬资源免费下载-原神akt全资源 ...· 10 月前 ·

import numpy as np df = pd . DataFrame ( { 'code' : '000001.SZ 000002.SZ 000006.SZ 000009.SZ' . split ( ) , 'open' : '1.2 20 3.5 2.8' . split ( ) , 'close' : np . arange ( 4 ) , 'high' : np . arange ( 4 ) * 2 } )

数据如下：

code open close high 0 000001.SZ 1.2 0 0 1 000002.SZ 20 1 2 2 000006.SZ 3.5 2 4 3 000009.SZ 2.8 3 6

问题如下：

找出code为指定值的行
找出open>3的行
找出

找出符合条件的所有行，即条件判断bool值为true，如找出code为000002.SZ的行：

df[df['code'] == '000002.SZ'] # 判断等式是否成立
这会列出所有使得条件 df[‘code’] == ‘000002.SZ’ 为true的所有行，输出如下： 
>>> df[df['code'] == '000002.SZ']
        code open  close  high
1  000002.SZ   20      1     2
使用iloc方法，根据索引的位置来查找数据的。这个例子需要先找出符合条件的行所在位置。 
mask = df['code'] == '000002.SZ'
pos = np.flatnonzero(mask)
df.iloc[pos]
# 直接根据索引取值
df.iloc[1:2]
输出与之前相同。 
适用于DataFrame的行列都是有标签的情形。 
# 把要操作的列作为索引
df.index=df['code'] # 将code列作为DataFrame的行索引
df.loc['000002.SZ', :] # 注意，这种根据索引iloc得到的结果不是DataFrame类型，而是Series
# 使用布尔
df.loc[df['code']=='000002.SZ']
结果如下： 
>>> df.loc['000002.SZ', :]
code     000002.SZ
open            20
close            1
high             2
Name: 000002.SZ, dtype: object
>>> df.loc[df['code']=='000002.SZ']
                code open  close  high
000002.SZ  000002.SZ   20      1     2
使用API
 
适用于数据量比较大的情形，方法为：pd.DataFrame.query。 
df.query('code=="000002.SZ"')
# 多条件
df.query('code=="000002.SZ" | code=="000006.SZ"')
结果如下： 
>>> df.query('code=="000002.SZ"')
                code open  close  high
000002.SZ  000002.SZ   20      1     2
>>> # 多条件
>>> df.query('code=="000002.SZ" | code=="000006.SZ"')
                code open  close  high
000002.SZ  000002.SZ   20      1     2
000006.SZ  000006.SZ  3.5      2     4
除了上面判断相等的情况，也可以结合条件判断一起使用。 
筛选出列值属于某个范围内的行，用isin：df.loc[df['column_name'].isin(some_values)] # some_values是可迭代对象
多种条件限制时使用&，&的优先级高于>=或<=，所以要注意括号的使用: df.loc[(df['column_name'] >= A) & (df['column_name'] <= B)]
筛选出列值不等于某个/些值的行: 
df.loc[df['column_name'] != 'some_value']
df.loc[~df['column_name'].isin('some_values')] #~取反
df功能强大，且用且总结。 
https://www.cnblogs.com/small-bud/p/12380357.html
                                    在处理数据时，我们经常需要筛选出特定行范围的数据进行分析或处理。Pandas是一个基于NumPy的开源数据分析库，提供了丰富的数据结构和高效的数据操作方法，非常适合处理各种数据任务，包括数据筛选。Pandas的数据筛选功能非常强大，不仅可以根据行号进行筛选，还可以根据条件、列名等进行灵活的数据筛选操作。使用pandas筛选dataframe数据：获取特定行范围的数据。如果要获取从第n行到最后一行的数据，可以使用。如果要获取所有行的数据，可以省略行号，如。如果要获取前n行的数据，可以使用。
                                    Python Pandas中Dataframe对象，如何根据列值筛选满足条件的行，并且返回列的索引值，我们举栗子说明一下：
1.先创建一个dataframe变量df：
df = pd.DataFrame(np.arange(16).reshape(4,4),
                 #index = pd.date_range('20200301', periods=4),
                 index = list('hjkl'),
                 columns = list('ABCD'))
df =df.append(df)
df的样子如下
                                    在数据处理和分析中，经常需要对数据进行筛选以便找到我们需要的信息。这里的[df[‘职业’].str.contains(‘工程’)]可以理解为选出所有职业包含字符串‘工程’的数据行。通过以上代码，我们成功筛选出了所有职业中包含“工程”的数据行。此方法同样适用于筛选其他数据类型和特定的字符集。下面我们来看如何使用contains()函数，筛选DataFrame指定数据列包含特定内容的所有数据行。筛选特定内容：Python中筛选DataFrame指定数据列包含特定内容的所有数据行。
                                    在数据分析过程中，我们经常需要从DataFrame中获取特定行列的值，来进行后续的操作。本文将介绍如何使用pandas库来筛选DataFrame的指定行列的值。接下来，我们可以使用.iloc方法来获取DataFrame中第N行第M列的值。当然，我们还可以使用.loc方法来根据行和列的名称来获取DataFrame的特定值。通过上述方法，我们可以方便地从DataFrame中获取所需数据，进行后续操作。获取DataFrame特定行列的值：pandas实战教程。
                                    Pandas 是一个基于 Python 的开源数据分析库，可以帮助你根据某一列的数据进行筛选。你可以使用它的 filter() 方法来实现筛选功能，例如：df.filter(items=['Name', 'Age'])。
                                    在pandas中怎么样实现类似mysql查找语句的功能：select*fromtablewherecolumn_name=some_value;pandas中获取数据的有以下几种方法：布尔索引位置索引标签索引使用API假设数据如下:importpandasaspdimportnumpyasnpdf=pd.DataFrame({'A':'foobarfoobar...
                                    本文主要介绍Python中，通过DataFrame中列(column)来查找行(row)数据的方法，以及相关操作的示例代码。
原文地址：Python DataFrame 根据列(column)值选择查找行(row)的方法及示例代码