• 選取某一列中大于某個值的行：

df[df['column_name'] > value]

• 選取某一列中滿足多個條件的行：

df[(df['column_name'] > value1) & (df['column_name'] < value2)]

• 選取某一列中不等于某個值的行：

df[df['column_name'] != value]

• 選取某一列中包含某個字符串的行：

df[df['column_name'].str.contains('string')]

• 選取多個列中滿足某個條件的行：

df[(df['column_name1'] > value1) & (df['column_name2'] < value2)]

在以上例子中，df是pandas DataFrame對象，‘column_name’、‘column_name1’、'column_name2’是DataFrame的列名，value、value1、value2是篩選條件。通過這些布爾索引的使用，可以方便地選取滿足特定條件的行。

演示demo

假設有一個包含電影信息的數(shù)據(jù)集，包含電影名稱、導演、評分等信息。數(shù)據(jù)集如下：

下面是使用布爾索引過濾數(shù)據(jù)的例子：

輸出結果如下：

             電影名稱                    導演   評分
0         Titanic          James Cameron  7.8
1          Avatar          James Cameron  8.5
2  The Shawshank Redemption    Frank Darabont  9.3
3    The Godfather  Francis Ford Coppola  9.2
4  The Dark Knight     Christopher Nolan  9.0
5        Inception     Christopher Nolan  8.8

              電影名稱                 導演   評分
4   The Dark Knight  Christopher Nolan  9.0
5         Inception  Christopher Nolan  8.8

                   電影名稱                 導演   評分
2  The Shawshank Redemption    Frank Darabont  9.3

在以上例子中，第一個過濾條件是選取評分大于8.0的電影，第二個過濾條件是選取由Christopher Nolan執(zhí)導的電影，第三個過濾條件是選取電影名稱中包含"Redemption"的電影。根據(jù)這些過濾條件，我們可以得到不同的結果。

到此這篇關于Python中pandas的dataframe過濾數(shù)據(jù)方法的文章就介紹到這了,更多相關pandas的dataframe過濾數(shù)據(jù)內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論