pandas按条件筛选数据的实现

pandas中对DataFrame筛选数据的方法有很多的，以后会后续进行补充，这里只整理遇到错误的情况。

1.使用布尔型DataFrame对数据进行筛选

使用一个条件对数据进行筛选，代码类似如下：

num_red=flags[flags['red']==1]

使用多个条件对数据进行筛选，代码类似如下：

stripes_or_bars=flags[(flags['stripes']>=1) | (flags['bars']>=1)]

常见的错误代码如下：

代码一：

stripes_or_bars=flags[flags['stripes']>=1 or flags['bars']>=1]

代码二：

stripes_or_bars=flags[flags['stripes']>=1 | flags['bars']>=1].

代码三：

stripes_or_bars=flags[(flags['stripes']>=1) or (flags['bars']>=1)]

以上这三种代码的错误提示都是：ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). 中括号里面的逻辑式如何解析的暂时不清楚。貌似不能使用and、or及not。

除了使用组合的逻辑表达式之外，使用返回类型为布尔型值的函数也可以达到筛选数据的效果。示例如下：

import pandas as pd
import numpy as np
df=pd.DataFrame(np.array(range(10)).reshape((5,-1)))
df.columns=['0','1']
df=df[df['1'].isin([3,5,9])]

 其df的结果如下：

2.iloc()方法、ix()方法和iloc()方法的区别

首先dataframe一般有两种类型的索引：第一种是位置索引，即dataframe自带的从0开始的索引，这种索引叫位置索引。另一种即标签索引，这种索引是你在创建datafram时通过index关键字，或者通过其他index相关方法重新给dataframe设置的索引。这两种索引是同时存在的。一般设置了标签索引之后，就不在显示位置索引，但不意味着位置索引就不存在了。

假设有如下几行数据(截图部分只是数据的一部分），很明显，以下显示的索引为标签索引。同时574(标签索引)行对应的位置索引则为0，1593行对应的位置索引为2， 以此类推。

先来看loc(),其API网址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.htm，函数名下方有一行解释，Access a group of rows and columns by label(s) or a boolean array.. loc[] is primarily label based, but may also be used with a boolean array. 

代码一：

first_listing = normalized_listings.loc[[0,4]]

结果如下，可以看出其输出的是dataframe中标签索引为0和4的两行数据。注意，如果标签索引的类型为字符串，则在loc中也要用字符串的形式。

再来看iloc(),其API网址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iloc.html，函数名下方的解释为 Purely integer-location based indexing for selection by position. .iloc[] is primarily integer position based ( from 0 to length-1 of the axis), but may also be used with a boolean array.

代码二:

first_listing = normalized_listings.iloc[[0,4]]

结果如下，可以看出其输出的dataframe中第0行和第4行的数据，即按方法是按照位置索引取得数。注意使用位置索引的时候只能用整数（integer position,bool类型除外）

另外，还可以向loc和iloc中传入bool序列，这样就可以将前面介绍的boo表达式用到loc和iloc中。下面来看看怎么使用bool序列？

import pandas as pd
data=pd.DataFrame(data={'col1':[1,2,3,5,10],'col2':[50,90,67,75,100]},\
         index=['a','b','c','d','e'])
print(data)
#iloc[]示例,iloc似乎不能直接使用逻辑表达式的结果，我这里将其转置成list之后就可以用了，原因暂且不明
data_1=data.iloc[list(data['col1']>5)]
print(data_1)
#loc[]示例，loc中可以直接使用逻辑表达式
data_2=data.loc[data['col1']>5]
print(data_2)

在iloc[]中，如果直接使用loc中的逻辑表达式而不进行list()转化的话，会提示ValueError: iLocation based boolean indexing cannot use an indexable as a mask错误。

如果查看上述两段代码中得到的first_listing。我们会发现两处first_listing的类型均为datafrarm。loc和iloc除了能对行进行筛选，还可以筛选列。如果在loc和iloc中设定了对列的筛选，则筛选之后得到的数据可能是datafrme类型，也有可能是Series类型。下面直接以代码运行结果进行说明。

import pandas as pd
data=pd.DataFrame(data={'col1':[1,2,3,5,10],'col2':[50,90,67,75,100]},\
         index=['a','b','c','d','e'])
print(data)
#iloc[]示例 ,在使用iloc的时候，[]里面无论是筛选行还是筛选列，都只能使用数字形式的行号或列号。
#这里如果使用‘col2',这里会报错
data_1=data.iloc[[0,4],[1]]#当需要筛选出多列或者希望返回的结果为DataFrame时，可以将列号用[]括起来。
print(data_1)
print(type(data_1))
data_2=data.iloc[[0,4],1]#当只需要筛选出其中的一列时可以只写一个列号，不加中括号，这种方法得到的是一个Series
print(data_2)
print(type(data_2))
#loc[]示例
data_3=data.loc[['a','e'],['col2']]
print(data_3)
print(type(data_3))
data_4=data.loc[['a','e'],'col2']
print(data_4)
print(type(data_4))

具体的代码执行结果如下：

最后看ix()方法，其API网址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.ix.html,其解释为 A primarily label-location based indexer, with integer position fallback.

代码三：

first_listing = normalized_listings.ix[[0,4]]

结果如下似乎与loc（）方法的结果是相同的，但是从其给出的解释来看，其好像是前两个方法的集合。

到此这篇关于pandas按条件筛选数据的实现的文章就介绍到这了,更多相关pandas 条件筛选 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

最新评论