赞
踩
df[df['column_name'] > value]
df[(df['column_name'] > value1) & (df['column_name'] < value2)]
df[df['column_name'] != value]
df[df['column_name'].str.contains('string')]
df[(df['column_name1'] > value1) & (df['column_name2'] < value2)]
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。
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:
电影名称 | 导演 | 评分 |
---|---|---|
Titanic | James Cameron | 7.8 |
Avatar | James Cameron | 8.5 |
The Shawshank Redemption | Frank Darabont | 9.3 |
The Godfather | Francis Ford Coppola | 9.2 |
The Dark Knight | Christopher Nolan | 9.0 |
Inception | Christopher Nolan | 8.8 |
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)
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
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。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。