众所周知pandas的DataFrame数据结构提供了功能强大的数据操作功能，例如运算，筛选，统计等。
今天我们就来谈一谈其强大的数据筛选功能，主要包括两大类，
按照条件筛选和
按照索引筛选。可以
对行进行筛选，也可以
按照列进行筛选。
import numpy as np
import pandas as pd
df = pd.DataFrame({"a": list(range(1,10,1)),"b": list(range(2,11,1)),"c": list(range(3,12,1))})
df
|
a |
b |
c |
|---|
| 0 |
1 |
2 |
3 |
|---|
| 1 |
2 |
3 |
4 |
|---|
| 2 |
3 |
4 |
5 |
|---|
| 3 |
4 |
5 |
6 |
|---|
| 4 |
5 |
6 |
7 |
|---|
| 5 |
6 |
7 |
8 |
|---|
| 6 |
7 |
8 |
9 |
|---|
| 7 |
8 |
9 |
10 |
|---|
| 8 |
9 |
10 |
11 |
|---|
条件筛选
单条件筛选
df[df['a']>3]
|
a |
b |
c |
|---|
| 3 |
4 |
5 |
6 |
|---|
| 4 |
5 |
6 |
7 |
|---|
| 5 |
6 |
7 |
8 |
|---|
| 6 |
7 |
8 |
9 |
|---|
| 7 |
8 |
9 |
10 |
|---|
| 8 |
9 |
10 |
11 |
|---|
- 如果想筛选a列的取值大于3的记录,但是只显示满足条件的b，c列的值可以这么写
df[['b','c']][df['a']>3]
|
b |
c |
|---|
| 3 |
5 |
6 |
|---|
| 4 |
6 |
7 |
|---|
| 5 |
7 |
8 |
|---|
| 6 |
8 |
9 |
|---|
| 7 |
9 |
10 |
|---|
| 8 |
10 |
11 |
|---|
- 使用isin函数根据特定值筛选记录。筛选a值等于3或者5的记录
df[df.a.isin([3, 5])]
多条件筛选
可以使用&（并）与|（或）操作符或者特定的函数实现多条件筛选
- 使用&筛选a列的取值大于3，b列的取值大于6的记录
df[(df['a'] > 3) & (df['b'] > 6)]
|
a |
b |
c |
|---|
| 5 |
6 |
7 |
8 |
|---|
| 6 |
7 |
8 |
9 |
|---|
| 7 |
8 |
9 |
10 |
|---|
| 8 |
9 |
10 |
11 |
|---|
- 使用numpy的logical_and函数完成同样的功能
df[np.logical_and(df['a']> 3,df['b']>6)]
|
a |
b |
c |
|---|
| 5 |
6 |
7 |
8 |
|---|
| 6 |
7 |
8 |
9 |
|---|
| 7 |
8 |
9 |
10 |
|---|
| 8 |
9 |
10 |
11 |
|---|
排除特定行
筛选特定行做起来很方便，可以使用特定的函数完成，但是排除含特定值的行就需要做一些变通了。
例如，我们选出a列的值不等于3或者5的记录。基本的做法是将a列选择出来，把值3和5剔除，再使用isin函数。
ex_list = list(df['a'])
ex_list.remove(3)
ex_list.remove(5)
ex_list
[1, 2, 4, 6, 7, 8, 9]
df[df.a.isin(ex_list)]
|
a |
b |
c |
|---|
| 0 |
1 |
2 |
3 |
|---|
| 1 |
2 |
3 |
4 |
|---|
| 3 |
4 |
5 |
6 |
|---|
| 5 |
6 |
7 |
8 |
|---|
| 6 |
7 |
8 |
9 |
|---|
| 7 |
8 |
9 |
10 |
|---|
| 8 |
9 |
10 |
11 |
|---|
索引筛选
切片操作
df[1:4]
|
a |
b |
c |
|---|
| 1 |
2 |
3 |
4 |
|---|
| 2 |
3 |
4 |
5 |
|---|
| 3 |
4 |
5 |
6 |
|---|
df[['a','c']]
|
a |
c |
|---|
| 0 |
1 |
3 |
|---|
| 1 |
2 |
4 |
|---|
| 2 |
3 |
5 |
|---|
| 3 |
4 |
6 |
|---|
| 4 |
5 |
7 |
|---|
| 5 |
6 |
8 |
|---|
| 6 |
7 |
9 |
|---|
| 7 |
8 |
10 |
|---|
| 8 |
9 |
11 |
|---|
loc函数
当每列已有column name时，用 df [‘a’] 就能选取出一整列数据。如果你知道column names 和index(这里df的index没有指定，是默认生成的下标)，且两者都很好输入，可以选择 .loc同时进行行列选择。
df.loc[0,'c']
3
df.loc[1:4,['a','c']]
|
a |
c |
|---|
| 1 |
2 |
4 |
|---|
| 2 |
3 |
5 |
|---|
| 3 |
4 |
6 |
|---|
| 4 |
5 |
7 |
|---|
df.loc[[1,3,5],['a','c']]
iloc
如果column name太长，输入不方便，或者index是一列时间序列，更不好输入，那就可以选择 .iloc了，该方法接受列名的index,iloc 使得我们可以对column使用slice（切片）的方法对数据进行选取。这边的 i 我觉得代表index，比较好记点。
df.iloc[0,2]
3
df.iloc[1:4,[0,2]]
df.iloc[[1,3,5],[0,2]]
df.iloc[[1,3,5],0:2]
ix函数
ix的功能更加强大，参数既可以是索引，也可以是名称，相当于，loc和iloc的合体。需要注意的是在使用的时候需要统一，在行选择时同时出现索引和名称， 同样在同行选择时同时出现索引和名称。
df.ix[1:3,['a','b']]
df.ix[[1,3,5],['a','b']]
df.ix[[1,3,5],[0,2]]
at函数
根据指定行index及列label，快速定位DataFrame的元素，选择列时仅支持列名
df.at[3,'a']
4
iat函数
与at的功能相同，只使用索引参数。
df.iat[3,0]
4
df.iat[3,'a']
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-26-236f60393b06> in <module>()
----> 1 df.iat[3,'a']
E:\CQUPT\anaconda3.5\lib\site-packages\pandas\core\indexing.py in __getitem__(self, key)
2267 raise ValueError('Invalid call for scalar access (getting)!')
2268
-> 2269 key = self._convert_key(key)
2270 return self.obj._get_value(*key, takeable=self._takeable)
2271
E:\CQUPT\anaconda3.5\lib\site-packages\pandas\core\indexing.py in _convert_key(self, key, is_setter)
2414 for a, i in zip(self.obj.axes, key):
2415 if not is_integer(i):
-> 2416 raise ValueError("iAt based indexing can only have integer "
2417 "indexers")
2418 return key
ValueError: iAt based indexing can only have integer indexers
