目录
#通过布尔向量选择过虑数据#
当需要使用多个条件组合时可以使用操作符 "|"、"&"、"~" 他们分别代表"或"、"与"以及"非",且每个条件都使用括号包括起来
##对Series使用布尔向量选择数据##
示例：
#coding=utf-8
from pandas import Series,DataFrame
import numpy as np
#对于Series数据使用布尔向量过滤数据
l=[-1, 2, 3, 10, 20, -20, 90]
s=Series(l)
print '选择所有大于0的数据\r\n',s[s>0].tolist()
print '选择所有大于0且小于20的数据\r\n',s[(s>0) & (s<20)].tolist()
print '选择所有小于0或大于20的数据\r\n',s[(s<0) | (s>20)].tolist()
print '选择所有不大于0的数据\r\n',s[~(s>0)].tolist()输出
选择所有大于0的数据
[2, 3, 10, 20, 90]
选择所有大于0且小于20的数据
[2, 3, 10]
选择所有小于0或大于20的数据
[-1, -20, 90]
选择所有不大于0的数据
[-1, -20]
##对DataFrame使用布尔向量选择数据##
示例
#coding=utf-8
from pandas import Series,DataFrame
import numpy as np
data=[{"name":'lxh',"age":20,"cp":'lm'},{"name":'xiao',"age":40,"cp":'ly'},{"name":'hua',"age":4,"cp":'yry'},{"name":'be',"age":70,"cp":'old'}]
df=DataFrame(data,columns=['name','cp','age'])
print '原数据\r\n',df
#简单的
print '所有age大于20的数据\r\n',df[(df["age"]>20)]
print '所有age大于20且小于70的数据\r\n',df[(df["age"]>20) & (df["age"]<70)]
#复杂的多条件
#这里使用map将会提升过滤速度
criterion = df['name'].map(lambda x: (x.startswith('x') | x.startswith('l')))
print '所有name以字母x或l开头的age数据\r\n',df[criterion]['age']
#多列过滤
print '所有name以字母x或l开头且age小于40的数据\r\n',df[criterion & (df['age']<40)]输出
原数据
name cp age
0 lxh lm 20
1 xiao ly 40
2 hua yry 4
3 be old 70
所有age大于20的数据
name cp age
1 xiao ly 40
3 be old 70
所有age大于20且小于70的数据
name cp age
1 xiao ly 40
所有name以字母x或l开头的age数据
0 20
1 40
Name: age, dtype: int64
所有name以字母x或l开头且age小于40的数据
name cp age
0 lxh lm 20
#通过isin#
示例
#coding=utf-8
from pandas import Series,DataFrame
import numpy as np
data=[{"name":'lxh',"age":20,"cp":'lm'},{"name":'xiao',"age":40,"cp":'ly'},{"name":'hua',"age":4,"cp":'yry'},{"name":'be',"age":70,"cp":'old'}]
df=DataFrame(data,columns=['name','cp','age'])
print '原数据\r\n',df
#使用isin(values)
values={'name':['lxh','xiao']}
#取得每行对应的布尔值
index=df.isin(values).any(1)
print '取得每行对应的布尔值\r\n',index
print '选择name在[lxh，xiao]中的数据\r\n',df[index]输出
原数据
name cp age
0 lxh lm 20
1 xiao ly 40
2 hua yry 4
3 be old 70
取得每行对应的布尔值
0 True
1 True
2 False
3 False
dtype: bool
选择name在[lxh，xiao]中的数据
name cp age
0 lxh lm 20
1 xiao ly 40
#使用query#
query方法允许使用表达式的方法来选取数据；如你想选择列索引(标签)为"age"的大于10小于40的数据则可以使用
query("10<age<40")
#coding=utf-8
from pandas import Series,DataFrame
import numpy as np
data=[{"name":'lxh',"age":20,"cp":'lm'},{"name":'xiao',"age":40,"cp":'ly'},{"name":'hua',"age":4,"cp":'yry'},{"name":'be',"age":70,"cp":'old'}]
df=DataFrame(data,columns=['name','cp','age'])
print '原数据\r\n',df
#使用query#
print '所有age大于10且小于40的数据\r\n',df.query('10<age<40')
print '选择name在[lxh，hua]中的数据\r\n',df.query('name==["lxh","hua"]')
print '选择name在[lxh，hua]中的数据方法二\r\n',df.query('["lxh","hua"] in name')
print '选择name不在[lxh，hua]中的数据\r\n',df.query('["lxh","hua"] not in name')
print '选择name在[lxh，hua]中且age大于10的数据\r\n',df.query('name==["lxh","hua"] and age>10')
print '选择name在[lxh，hua]中或age大于10的数据\r\n',df.query('name==["lxh","hua"] or age>10')输出
原数据
name cp age
0 lxh lm 20
1 xiao ly 40
2 hua yry 4
3 be old 70
所有age大于10且小于40的数据
name cp age
0 lxh lm 20
选择name在[lxh，hua]中的数据
name cp age
0 lxh lm 20
2 hua yry 4
选择name在[lxh，hua]中的数据方法二
name cp age
0 lxh lm 20
2 hua yry 4
选择name不在[lxh，hua]中的数据
name cp age
1 xiao ly 40
3 be old 70
选择name在[lxh，hua]中且age大于10的数据
name cp age
0 lxh lm 20
选择name在[lxh，hua]中或age大于10的数据
name cp age
0 lxh lm 20
1 xiao ly 40
2 hua yry 4
3 be old 70