如何根据列值过滤 Pandas DataFrame 中的行

使用 Pandas 中的列值选择 DataFrame 中的行

Python 与 Pandas 库

# Importing the necessary library
import pandas as pd

# Creating a sample DataFrame
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix']
}
df = pd.DataFrame(data)

# Selecting rows where Age is greater than 25
selected_rows = df[df['Age'] > 25]
print(selected_rows)

# Selecting rows where City is 'Chicago'
chicago_rows = df[df['City'] == 'Chicago']
print(chicago_rows)

根据列标准过滤 DataFrame 中的数据

Python 与 Pandas 库

# Importing pandas library
import pandas as pd

# Creating a sample DataFrame
data = {'Product': ['A', 'B', 'C', 'D', 'E'],
        'Price': [100, 150, 200, 250, 300],
        'Stock': [30, 60, 90, 20, 50]}
df = pd.DataFrame(data)

# Selecting rows where Price is less than or equal to 200
affordable_products = df[df['Price'] <= 200]
print(affordable_products)

# Selecting rows where Stock is more than 40
in_stock = df[df['Stock'] > 40]
print(in_stock)

有关选择 DataFrame 行的常见问题和解答

1. 如何根据多个条件选择行？
2. 您可以使用 query() 函数或将条件与逻辑运算符组合，例如 & 和 |。例如， df[(df['Age'] > 25) & (df['City'] == 'Chicago')]。
3. 我可以根据值列表过滤行吗？
4. 是的，使用 isin() 功能。例如， df[df['City'].isin(['Chicago', 'New York'])]。
5. 有什么区别 loc 和 iloc？
6. loc 是基于标签的，而 iloc 是基于整数位置的。使用 loc 带有行/列标签和 iloc 带有行/列索引。
7. 如何在过滤行时选择特定列？
8. 您可以使用 loc。例如， df.loc[df['Age'] > 25, ['Name', 'City']]。
9. 选择行时如何处理缺失值？
10. 使用 dropna() 函数删除缺失值的行，或者 fillna() 将它们替换为指定值。
11. 我可以使用正则表达式来过滤行吗？
12. 是的 str.contains() 函数与 regex=True 参数允许您根据正则表达式模式过滤行。例如， df[df['Name'].str.contains('^A', regex=True)]。
13. 如何根据索引过滤行？
14. 您可以使用 loc 与索引名称。例如， df.loc[df.index == 'some_index']。
15. 如果我的列名称包含空格或特殊字符怎么办？
16. 使用 query() 可以处理此类带反引号的列名的函数。例如， df.query('`column name` == value')。