博客

pandas系列之DataFrame 行列数据筛选实例

  • Post category:Python

让我针对“pandas系列之DataFrame行列数据筛选实例”给出一个完整攻略。

总体介绍

DataFrame 是 Pandas 中一个重要的数据结构，类似于电子表格或数据库中的表格。它由行和列组成，你可以对它们进行多种操作，包括调整列或行、添加或删除行或列、筛选数据等。

行列数据筛选是使用 DataFrame 的一个十分重要的功能。Pandas 提供了多种方法进行行列数据筛选。

在本攻略中，我们将介绍 DataFrame 的基本结构以及海量数据筛选和处理技巧，方便读者快速掌握这一重要的功能。

Part 1：DataFrame 的基本结构

  • 创建 DataFrame

要创建一个 DataFrame，你需要使用 pd.DataFrame()。下面是一个例子，展示如何通过列表创建一个 DataFrame：

import pandas as pd

data = {'name': ['Tom', 'Jerry', 'Mike', 'Lucy'],
        'age': [28, 26, 34, 23],
        'gender': ['M', 'M', 'M', 'F']
        }

df = pd.DataFrame(data)
print(df)

输出结果：

   name  age gender
0   Tom   28      M
1 Jerry  26      M
2  Mike  34      M
3  Lucy  23      F
  • DataFrame 排序

Pandas DataFrame 中的数据排序可以根据索引或列中的值进行排序。sort_values() 是 DataFrame 中用于排序的方法。下面的例子演示了如何根据“age”列中的数值对 DataFrame 排序：

df = pd.DataFrame(data)
sorted_df = df.sort_values("age")
print(sorted_df)

输出结果：

    name  age gender
3   Lucy   23      F
1  Jerry   26      M
0    Tom   28      M
2   Mike   34      M

Part 2：海量数据的行列数据筛选实例

  • 按照条件筛选数据

我们可以使用 df.loc[] 方法按照特定的条件筛选数据，这个函数接受一个条件表达式作为参数，返回满足条件的所有行。下面展示如何筛选年龄在 30 岁以下的所有行：

df = pd.DataFrame(data)
young_people = df.loc[df['age'] < 30]
print(young_people)

输出结果：

    name  age gender
1  Jerry   26      M
3   Lucy   23      F
  • 按照列名筛选数据

我们可以使用 df['columnName'] 方法按照列名筛选数据，返回该列中的所有行。下面展示如何筛选 “name” 列：

df = pd.DataFrame(data)
names = df['name']
print(names)

输出结果：

0      Tom
1    Jerry
2     Mike
3     Lucy
Name: name, dtype: object

以上就是本攻略的基本内容，通过本攻略，你应该可以对 Pandas DataFrame 行列数据筛选有更进一步的了解。

Tags: