1、引言

小云：鱼哥，share一下 数据筛选的方法呗
小鱼：Excel就可以啊
小云：我要用Pandas
小鱼：这… 让我想一下
小云：这还用想？ 这不是张嘴就来。
小鱼：我是想一下，等会吃啥。

小鱼：知识的力量， 不能用钱来衡量的。
小云：… 我服了你个老六！
小鱼：那我再想一想
小云：别想了，先给我讲完， 然后你在想吧。
小鱼：嗯， 有道理。

2、4种高频使用数据筛选方法

2.1 布尔索引

代码示例

# -*- coding:utf-8 -*-
# @Time   : 2023-07-05
# @Author : Carl_DJ
'''
实现功能：
    布尔索引 进行数据筛选
'''


import pandas as pd

# 创建DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [20, 25, 30, 35],
        'City': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen']}
df = pd.DataFrame(data)

# 使用布尔索引筛选年龄大于等于30的数据
filtered_data = df[df['Age'] >= 30]
print(filtered_data)

结果展示：

  Name  Age       City
2  John   30  Guangzhou
3   Amy   35   Shenzhen

2.2 isin()方法

# -*- coding:utf-8 -*-
# @Time   : 2023-07-05
# @Author : Carl_DJ
'''
实现功能：
    isin()方法 进行数据筛选
'''

import pandas as pd

# 创建DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [20, 25, 30, 35],
        'City': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen']}
df = pd.DataFrame(data)

# 使用isin()方法筛选城市为北京或上海的数据
filtered_data = df[df['City'].isin(['Beijing', 'Shanghai'])]
print(filtered_data)

结果展示

  Name  Age      City
0  Tom   20   Beijing
1  Nick  25  Shanghai

2.3 query()方法

# -*- coding:utf-8 -*-
# @Time   : 2023-07-05
# @Author : Carl_DJ
'''
实现功能：
    query()方法 进行数据筛选
'''

import pandas as pd

# 创建DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [20, 25, 30, 35],
        'City': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen']}
df = pd.DataFrame(data)

# 使用query()方法筛选年龄大于等于30且城市为广州的数据
filtered_data = df.query('Age >= 30 and City == "Guangzhou"')
print(filtered_data)

结果展示：

  Name  Age       City
2  John   30  Guangzhou

2.4 loc[]方法

# -*- coding:utf-8 -*-
# @Time   : 2023-07-05
# @Author : Carl_DJ
'''
实现功能：
     loc[]方法 进行数据筛选
'''

import pandas as pd

# 创建DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [20, 25, 30, 35],
        'City': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen']}
df = pd.DataFrame(data)

# 使用loc[]方法筛选年龄大于等于25的数据，并选择Name和City两列
filtered_data = df.loc[df['Age'] >= 25, ['Name', 'City']]
print(filtered_data)

结果展示：

   Name       City
1  Nick   Shanghai
2  John  Guangzhou
3   Amy   Shenzhen

3、总结

看到这里，今天的分享就到这里了。
今天主要对pandas的几种常用的数据筛选的方法进行了简单的介绍：

• 布尔索引筛
• isin()方法
• query()
• loc[]方法

当然， 数据筛选的方法，不止这4种，这里，小鱼就不做过多的介绍了。
也希望能在评论区看到你针对数据筛选的高频操作方法。

我是小鱼：

• CSDN 博客专家；
• 阿里云 专家博主；
• 51CTO博客专家；
• 51认证讲师等；
• 认证金牌面试官；
• 职场面试及培训规划师；
• 多个国内主流技术社区的认证专家博主；
• 多款主流产品(阿里云等)测评一、二等奖获得者；

关注我，带你学习更多更专业更前言的Python技术。