1 篩選出數據的指定幾行數據
2 篩選出數據某列為某值的所有數據記錄
3 模式匹配
4 范圍區間值篩選
5 獲取某一行某一列的某個值
6 獲取原始的numpy二維數組
7 根據條件得到某行元素所在的位置
8 元素位置篩選
9. 刪除多行/多列
10 to_datetime將字符串格式轉化為日期格式
11 apply() 函數
12 map() 函數
參考
總結
1 篩選出數據的指定幾行數據data=df.loc[2:5] #這裡的[2:5]表示第3行到第5行內容,[]第一個起始是0,表示數據的第一行
2 篩選出數據某列為某值的所有數據記錄data = df[(df['列名1']== ‘列值1')]# 多條件匹配時data_many=df[(df['列名1']== ‘列值1')&(df['列名2']==‘列值2')]# 多值匹配時data_many=df[df['列名1'] in [‘值1',‘值2',......]]
3 模式匹配# 開頭包含某值的模式匹配cond=df['列名'].str.startswith('值')$ 中間包含某值的模式匹配cond=df['列名'].str.contains('值')
4 范圍區間值篩選# 篩選出基於兩個值之間的數據:cond=df[(df['列名1']>‘列值1')&(df['列名1']<‘列值2')]
5 獲取某一行某一列的某個值print(ridership_df.loc['05-05-11','R003'])# 或者print(ridership_df.iloc[4,0])# 結果:1608
6 獲取原始的numpy二維數組print(df.values)
7 根據條件得到某行元素所在的位置import pandas as pddf = pd.DataFrame({'BoolCol': [1, 2, 3, 3, 4],'attr': [22, 33, 22, 44, 66]},index=[10,20,30,40,50])print(df)a = df[(df.BoolCol==3)&(df.attr==22)].index.tolist()b = df[(df.BoolCol==3)&(df.attr==22)].index[0]c = df[(df.BoolCol==3)&(df.attr==22)].index.valuesprint(a)
8 元素位置篩選print(date_frame) # 打印完整顯示的效果print(date_frame.shape) # 獲取df的行數、列數元祖print(date_frame.head(2)) # 前2行print(date_frame.tail(2)) # 後2行print(date_frame.index.tolist()) # 只獲取df的索引列表print(date_frame.columns.tolist()) # 只獲取df的列名列表print(date_frame.values.tolist()) # 只獲取df的所有值的列表(二維列表)
9. 刪除多行/多列# 使用的前提是,dataframe的index和columns用的是數字,利用了drop()和range()函數。DataFrame.drop(labels=None, axis=0, index=None, columns=None, level=None, inplace=False, errors='raise')# axis = 0,表示刪除行; axis = 1 表示刪除列。# 想刪除多行/列,用range即可,比如要刪除前3行,drop(range(0,3),axis = 0(默認為零,可不寫))即可。
10 to_datetime將字符串格式轉化為日期格式import datetimeimport pandas as pddictDate = {'date': ['2019-11-01 19:30', '2019-11-30 19:00']}df = pd.DataFrame(dictDate)df['datetime'] = pd.to_datetime(df['date'])df['today'] = df['datetime'].apply(lambda x: x.strftime('%Y%m%d'))df['tomorrow'] = (df['datetime'] + datetime.timedelta(days=1)).dt.strftime('%Y%m%d')
11 apply() 函數# pandas 的 apply() 函數可以作用於 Series 或者整個 DataFrame,功能也是自動遍歷整個 Series 或者 DataFrame, 對每一個元素運行指定的函數。def add_extra(nationality, extra): if nationality != "漢": return extra else: return 0df['ExtraScore'] = df.Nationality.apply(add_extra, args=(5,))df['ExtraScore'] = df.Nationality.apply(add_extra, extra=5)df['Extra'] = df.Nationality.apply(lambda n, extra : extra if n == '漢' else 0, args=(5,))def add_extra2(nationaltiy, **kwargs): return kwargs[nationaltiy]df['Extra'] = df.Nationality.apply(add_extra2, 漢=0, 回=10, 藏=5)
12 map() 函數import datetimeimport pandas as pddef f(x): x = str(x)[:8] if x !='n': gf = datetime.datetime.strptime(x, "%Y%m%d") x = gf.strftime("%Y-%m-%d") return xdef f2(x): if str(x) not in [' ', 'nan']: dd = datetime.datetime.strptime(str(x), "%Y/%m/%d") x = dd.strftime("%Y-%m-%d") return x def test(): df = pd.DataFrame() df1 = pd.read_csv("600694_gf.csv") df2=pd.read_csv("600694.csv") df['date1'] =df2['DateTime'].map(f2) df['date2'] =df1['date'].map(f) df.to_csv('map.csv')
參考Pandas之DataFrame操作
pandas.DataFrame.drop — pandas 1.4.1 documentation
pandas apply() 函數用法
pandas.Series.apply — pandas 1.4.1 documentation
總結到此這篇關於python使用pandas實現篩選功能方式的文章就介紹到這了,更多相關pandas篩選功能內容請搜索軟件開發網以前的文章或繼續浏覽下面的相關文章希望大家以後多多支持軟件開發網!