查看原文
其他

赞!五花八门的Pandas筛选数据

Peter 尤而小屋 2022-05-28

公众号:尤而小屋
作者:Peter
编辑:Peter

大家好,我是Peter~

今天继续带来Pandas的花样取数技巧,本文中重点介绍的方法:

  • 表达式取数
  • query、evel
  • filter
  • where、mask

一、扩展阅读

关于pandas的连载文章,请阅读:

1、DataFrame数据筛选_上

2、10种方式创建DataFrame类型数据

3、Series类型数据创建

4、一切从爆炸函数开始

二、模拟数据

下面是完全模拟的一份数据,包含:姓名、性别、年龄、数学、语文、总分、地址共7个字段信息。

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "name":['小明','小王','张菲','关宇','孙小小','王建国','刘蓓'],
    "sex":['男','女','女','男','女','男','女'],
    "age":[20,23,18,21,25,21,24],
    "math":[120,130,118,120,102,140,134],
    "chinese":[100,130,140,120,149,111,118],
    "score":[590,600,550,620,610,580,634], 
    "address":["广东省深圳市南山区",
               "北京市海淀区",
               "湖南省长沙市雨花区",
               "北京市东城区",
               "广东省广州市白云区",
               "湖北省武汉市江夏区",
               "广东省深圳市龙华区"
              ]
})

df

下面开始详细介绍5种取数方法:

  1. 表达式取数
  2. query()取数
  3. eval()取数
  4. filter()取数
  5. where/mask取数

三、表达式取数

表达式取数指的是通过表达式来指定一个或者多个筛选条件来取数。

1、指定一个数学表达式

# 1、数学表达式
df[df['math'] > 125]

2、取反操作

取反操作是通过符号~来实现的

# 2、取反操作
df[~(df['sex'] == '男')]  # 取出不是男生的数据

3、指定某个属性的值为具体的数据

# 3、指定具体数据
df[df.sex == '男']  # 等同于 df[df['sex'] == '男']

4、不等式表达式

# 4、比较表达式
df[df['math'] > df['chinese']]

5、逻辑运算符

# 5、逻辑运算符
df[(df['math'] > 120) & (df['chinese'] < 140)]

四、query()函数

4.1 使用说明

⚠️在使用的时候需要注意的是:如果我们列属性中存在空格,我们需要使用反引号将其括起来再进行使用。

4.2 使用案例

1、使用数值型表达式

df.query('math > chinese > 110')
df.query('math + chinese > 255')
df.query('math == chinese')
df.query('math == chinese > 120')
df.query('(math > 110) and (chinese < 135)')  # 两个不等式

2、使用字符型表达式

df.query('sex != "女"')  # 不等于女,就是全部男
df.query('sex not in ("女")')  # 不在女中就是男
df.query('sex in ("男","女")')   # 性别在男女中就是全部人

3、传入变量;变量在使用的时候需要在前面加上@

# 设置变量
a = df.math.mean()
a

df.query('math > @a + 10')
df.query('math < (`chinese` + @a) / 2')

五、eval()函数

eval函数的使用方法和query函数是相同的

1、使用数值型表达式

# 1、数值型表达式
df.eval('math > 125')   # 得到的是bool表达式
df[df.eval('math > 125')]
df[df.eval('math > 125 and chinese < 130')]

2、字符型表达式

# 2、字符型表达式
df[df.eval('sex in ("男")')]

3、使用变量

# 3、使用变量
b = df.chinese.mean()  # 求均值
df[df.eval('math < @b+5')]

六、filter函数

我们使用filter可以对列名或者行名进行筛选,使用方法:

  • 直接指定
  • 正则指定
  • 模糊指定

其中axis=1指定列名;axis=0指定索引

6.1 使用说明

6.2 使用案例

1、直接指定属性名

df.filter(items=["chinese","score"])   # 列名操作

直接指定行索引

df.filter(items=[2,4],axis=0)   # 行筛选

2、通过正则指定

df.filter(regex='a',axis=1)  # 列名中包含
df.filter(regex='^s',axis=1)  # 列名以s开始
df.filter(regex='e$',axis=1)  # 列名以e结束
df.filter(regex='3$',axis=0)  # 行索引包含3

3、模糊指定

df.filter(like='s',axis=1)   # 列名中包含s
df.filter(like='2',axis=0)   # 行索引包含2
# 同时指定列名和索引
df.filter(regex='^a',axis=1).filter(like='2',axis=0)

七、where和mask函数

where和mask函数是一对相反的函数,取出来的结果刚好是相反的:

  • where:取出满足要求的数据,不满足的显示为NaN
  • mask:取出不满足要求的数据,满足的显示为NaN

两种方法都可以将将NaN值设置我们指定的数据

7.1 where使用

s = df["score"]
s
# where:满足条件的直接显示,不满足的显示为NaN
s.where(s>=600)

我们可以给不满足要求的数据进行赋值:

# 我们可以给不满足的进行赋值
s.where(s>=610,600)  # 不满足条件的赋值为600 

看看两组结果的对比:

where函数还可以指定多个条件:

# 符合条件的返回True,不符合的返回False
df.where((df.sex=='男') & (df.math > 125))

选出我们想要的数据:

df[(df.where((df.sex=='男') & (df.math > 125)) == df).name]
# df[(df.where((df.sex=='男') & (df.math > 125)) == df).sex]  效果相同

7.2 mask函数

mask函数获取到的结果和where是相反的

s.mask(s>=600) # 和where相反:返回的都是小于600的数据
s.mask(s>=610600)  # 不满足条件的赋值为600 

mask函数接受多个条件:

# 取值和where相反
df[(df.mask((df.sex=='男') & (df.math > 125)) == df).sex]

八、总结

Pandas中取数的方法真的五花八门,太多技巧可以获取到我们想要的数据,有时候不同的方式也可以得到相同的数据。本文中着重介绍的通过表达式和5个函数来取数,下篇文章中将会重点讲解3对函数筛选数据的方法。

尤而小屋,一个温馨的小屋。小屋主人,一手代码谋求生存,一手掌勺享受生活,欢迎你的光临

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存