Pandas 数据筛选：条件过滤

引言

Pandas 是 Python 中最常用的数据分析库之一，它提供了强大的数据结构和数据分析工具。在实际工作中，我们经常需要根据特定条件对数据进行筛选。本文将从基础到高级，逐步介绍如何使用 Pandas 进行条件过滤，并讨论常见的问题和报错及其解决方案。

基础概念

在 Pandas 中，数据通常存储在 DataFrame 对象中。DataFrame 可以看作是一个表格，其中每一列都有一个名称，每一行都有一个索引。条件过滤的基本思路是创建一个布尔掩码，然后使用这个掩码来筛选数据。

基本用法

假设我们有一个包含员工信息的 DataFrame：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [25, 30, 35, 40],
    'Department': ['HR', 'Engineering', 'Sales', 'Marketing']
}

df = pd.DataFrame(data)
print(df)

输出：

      Name  Age Department
0    Alice   25         HR
1      Bob   30  Engineering
2  Charlie   35       Sales
3    David   40   Marketing

单一条件过滤

我们可以使用单一条件来筛选数据。例如，筛选出年龄大于 30 的员工：

filtered_df = df[df['Age'] > 30]
print(filtered_df)

输出：

Name  Age Department
2  Charlie   35       Sales
3    David   40   Marketing

多个条件过滤

我们也可以使用多个条件来筛选数据。例如，筛选出年龄大于 30 且部门为 Sales 的员工：

filtered_df = df[(df['Age'] > 30) & (df['Department'] == 'Sales')]
print(filtered_df)

输出：

      Name  Age Department
2  Charlie   35       Sales

注意：在使用多个条件时，每个条件需要用括号括起来，以确保逻辑运算符的优先级正确。

常见问题及解决方案

1. 条件表达式错误

问题描述：在编写条件表达式时，忘记使用括号导致逻辑运算符优先级错误。

解决方案：确保每个条件都用括号括起来。

# 错误示例
filtered_df = df[df['Age'] > 30 & df['Department'] == 'Sales']

# 正确示例
filtered_df = df[(df['Age'] > 30) & (df['Department'] == 'Sales')]

2. 类型不匹配

问题描述：在比较字符串和数字时，类型不匹配导致报错。

解决方案：确保比较的两个值类型一致。

# 错误示例
filtered_df = df[df['Department'] == 30]

# 正确示例
filtered_df = df[df['Age'] == 30]

3. 使用 and 和 or 而不是 & 和 |

问题描述：在 Pandas 中，and 和 or 不能用于布尔数组，而应该使用 & 和 |。

解决方案：使用 & 和 | 进行逻辑运算。

# 错误示例
filtered_df = df[df['Age'] > 30 and df['Department'] == 'Sales']

# 正确示例
filtered_df = df[(df['Age'] > 30) & (df['Department'] == 'Sales')]

4. 空值处理

问题描述：数据中存在空值（NaN）时，条件过滤可能会出错。

解决方案：使用 pd.notna() 或 dropna() 方法处理空值。

# 示例数据
data = {
    'Name': ['Alice', 'Bob', None, 'David'],
    'Age': [25, 30, 35, 40],
    'Department': ['HR', 'Engineering', 'Sales', 'Marketing']
}
df = pd.DataFrame(data)

# 过滤出非空值
filtered_df = df[pd.notna(df['Name'])]
print(filtered_df)

输出：

      Name  Age Department
0    Alice   25         HR
1      Bob   30  Engineering
3    David   40   Marketing

高级用法

动态条件过滤

在实际应用中，我们可能需要根据用户输入或其他动态条件进行过滤。可以使用 eval 方法实现动态条件过滤。

condition = "Age > 30 & Department == 'Sales'"
filtered_df = df.query(condition)
print(filtered_df)

输出：

      Name  Age Department
2  Charlie   35       Sales

复杂条件过滤

对于更复杂的条件，可以使用 apply 方法自定义过滤逻辑。

def custom_filter(row):
    return row['Age'] > 30 and row['Department'] in ['Sales', 'Marketing']

filtered_df = df[df.apply(custom_filter, axis=1)]
print(filtered_df)

输出：

      Name  Age Department
2  Charlie   35       Sales
3    David   40   Marketing

总结

Pandas 提供了丰富的条件过滤功能，可以帮助我们高效地处理数据。本文从基础到高级，介绍了如何使用 Pandas 进行条件过滤，并讨论了常见的问题和报错及其解决方案。希望本文能帮助你在实际工作中更好地利用 Pandas 进行数据处理。