目录
- pandas筛选数值列和非数值列
- 筛选数值类型的列
- 筛选非数值类型的列
- Pandas常见筛选数据的五种方法其一逻辑筛选
- 逻辑筛选数据
- 展示使用的数据结构
- 总结
pandas筛选数值列和非数值列
筛选数值类型的列
numeric_columns = df.select_dtypes(include=[\’number\’]).columns
df为dataframe类型的数据。
筛选非数值类型的列
non_numeric_columns = df.select_dtypes(exclude=[\’number\’]).columns.to_list()
含数值列就用include,不要数值列就用exclude。
Pandas常见筛选数据的五种方法其一逻辑筛选
Pandas的数据操作中,最基本的就是操作的筛选了,但是对新学员来说的这又是一个难点,因为方法比较多,不容易记。聊聊pandas中的一些常用的数据筛选操作。
逻辑筛选数据
切片([ ]),loc,iloc,这三种都是支持逻辑表达式的,选其中一种比较常用的,逻辑运算符 与或非(& | ~)any,all
展示使用的数据结构
import pandas as pd
PATH = \’/tmp/MSD0921.xlsx\’
dataframe = pd.read_excel(PATH,engine=\’openpyxl\’, nrows=50)
1、筛选出某一列大于某一个数的所有数据,例如:SD1>=7
\”\”\”筛选出SD1列中大于等于7的数据\”\”\”
dataframe[dataframe[\’SD1\’] >= 7]
2、筛选出某一列大于或者小于另一列的输有数据,例如:SD1 < SD2
\”\”\”筛选出SD1列小于SD2列所有数据\”\”\”
dataframe.loc[dataframe[\’SD1\’] < dataframe[\’SD2\’]]
3、筛选出某些列的值大于或小于某些值的所有数据,例如:SD1 >6并且SD1<3,使用 &
\”\”\”筛选出SD1大于6,并且SD2小于3的所有数据\”\”\”
dataframe.loc[(dataframe[\’SD1\’] > 6) & ( dataframe[\’SD2\’] < 3)]
4、筛选出某些列的值大于或小于某些值的所有数据,例如:SD1 >6或者SD1<3,使用 |
\”\”\”筛选出SD1小于6,或者SD2小于3的所有数据,并集\”\”\”
dataframe.loc[(dataframe[\’SD1\’] > 6) | ( dataframe[\’SD2\’] < 3)]
注意:需要注意的是在进行或(|)、与(&)、非(~)运算时,各个独立逻辑表达式需要用括号括起来
除了上边的与或之外,pandas还提供了 all,any,对逻辑计算后的布尔值在进行判断,所有都为True,all才返回True,反之亦然,any满足其中之一即可。all,any可传参数axis,1为行方向,0为列方向。利用此方法可对整体数据逻辑判断。
5、筛选出某些列的值同时大于或同时小于某值的所有数据,例如SD1>6SD2>6
\”\”\”筛选出SD1, SD2同时大于6的所有数据\”\”\”
dataframe[(dataframe.loc[:,[\’SD1\’, \’SD2\’]] > 6).all(1)]
逻辑解读:dataframe.loc[:,['SD1', 'SD2']] > 6,这个逻辑计算的是SD1,SD2同时大于6返回的布尔值,逗号前的冒号表示所有行,返回的是False或者True的一个dataframe数据,整体在进行.all(1),操作返回的是SD1,SD2都为True的为True,否者为False所有行数。在使用切片 [ ],进行取数据。
总结
以上为个人经验,希望能给大家一个参考,也希望大家多多支持悠久资源网。
您可能感兴趣的文章:
- pandas如何筛选某个列值是否位于某个列表内
- pythonpandas轻松通过特定列的值多条件去筛选数据及contains方法的使用
- pythonpandasdataframe多列筛选方式
- Python数据清洗之利用pandas筛选数据详解
- pandas实现对一列/多列进行数据区间筛选