【pandas的dataframe过滤数据方法】

1. 选取某一列中大于某个值的行：

df[df['column_name'] > value]
1

2. 选取某一列中满足多个条件的行：

df[(df['column_name'] > value1) & (df['column_name'] < value2)]
1

3. 选取某一列中不等于某个值的行：

df[df['column_name'] != value]
1

4. 选取某一列中包含某个字符串的行：

df[df['column_name'].str.contains('string')]
1

5. 选取多个列中满足某个条件的行：

df[(df['column_name1'] > value1) & (df['column_name2'] < value2)]
1

在以上例子中，df是pandas DataFrame对象，‘column_name’、‘column_name1’、'column_name2’是DataFrame的列名，value、value1、value2是筛选条件。通过这些布尔索引的使用，可以方便地选取满足特定条件的行。

演示demo

假设有一个包含电影信息的数据集，包含电影名称、导演、评分等信息。数据集如下：

下面是使用布尔索引过滤数据的例子：

import pandas as pd

# 读取数据
data = pd.read_csv('movies.csv')

# 选取评分大于8.0的电影
high_rated_movies = data[data['评分'] > 8.0]

# 选取由Christopher Nolan执导的电影
nolan_movies = data[data['导演'] == 'Christopher Nolan']

# 选取电影名称中包含"Redemption"的电影
redemption_movies = data[data['电影名称'].str.contains('Redemption')]

# 输出结果
print(high_rated_movies)
print(nolan_movies)
print(redemption_movies)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

输出结果如下：

             电影名称                    导演   评分
0         Titanic          James Cameron  7.8
1          Avatar          James Cameron  8.5
2  The Shawshank Redemption    Frank Darabont  9.3
3    The Godfather  Francis Ford Coppola  9.2
4  The Dark Knight     Christopher Nolan  9.0
5        Inception     Christopher Nolan  8.8

              电影名称                 导演   评分
4   The Dark Knight  Christopher Nolan  9.0
5         Inception  Christopher Nolan  8.8

                   电影名称                 导演   评分
2  The Shawshank Redemption    Frank Darabont  9.3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

在以上例子中，第一个过滤条件是选取评分大于8.0的电影，第二个过滤条件是选取由Christopher Nolan执导的电影，第三个过滤条件是选取电影名称中包含"Redemption"的电影。根据这些过滤条件，我们可以得到不同的结果。