pandas中對DataFrame篩選數據的方法有很多的，以后會后續進行補充，這里只整理遇到錯誤的情況。

1.使用布爾型DataFrame對數據進行篩選

使用一個條件對數據進行篩選，代碼類似如下：

num_red=flags[flags['red']==1]

使用多個條件對數據進行篩選，代碼類似如下：

stripes_or_bars=flags[(flags['stripes']>=1) | (flags['bars']>=1)]

常見的錯誤代碼如下：

代碼一：

stripes_or_bars=flags[flags['stripes']>=1 or flags['bars']>=1]

代碼二：

stripes_or_bars=flags[flags['stripes']>=1 | flags['bars']>=1].

代碼三：

stripes_or_bars=flags[(flags['stripes']>=1) or (flags['bars']>=1)]

以上這三種代碼的錯誤提示都是：ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). 中括號里面的邏輯式如何解析的暫時不清楚。貌似不能使用and、or及not。

除了使用組合的邏輯表達式之外，使用返回類型為布爾型值的函數也可以達到篩選數據的效果。示例如下：

import pandas as pd
import numpy as np
df=pd.DataFrame(np.array(range(10)).reshape((5,-1)))
df.columns=['0','1']
df=df[df['1'].isin([3,5,9])]

 其df的結果如下：

2.iloc()方法、ix()方法和iloc()方法的區別

首先dataframe一般有兩種類型的索引：第一種是位置索引，即dataframe自帶的從0開始的索引，這種索引叫位置索引。另一種即標簽索引，這種索引是你在創建datafram時通過index關鍵字，或者通過其他index相關方法重新給dataframe設置的索引。這兩種索引是同時存在的。一般設置了標簽索引之后，就不在顯示位置索引，但不意味著位置索引就不存在了。

假設有如下幾行數據(截圖部分只是數據的一部分），很明顯，以下顯示的索引為標簽索引。同時574(標簽索引)行對應的位置索引則為0，1593行對應的位置索引為2， 以此類推。

先來看loc(),其API網址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.htm，函數名下方有一行解釋，Access a group of rows and columns by label(s) or a boolean array.. loc[] is primarily label based, but may also be used with a boolean array. 

代碼一：

first_listing = normalized_listings.loc[[0,4]]

結果如下，可以看出其輸出的是dataframe中標簽索引為0和4的兩行數據。注意，如果標簽索引的類型為字符串，則在loc中也要用字符串的形式。

再來看iloc(),其API網址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iloc.html，函數名下方的解釋為 Purely integer-location based indexing for selection by position. .iloc[] is primarily integer position based ( from 0 to length-1 of the axis), but may also be used with a boolean array.

代碼二:

first_listing = normalized_listings.iloc[[0,4]]

結果如下，可以看出其輸出的dataframe中第0行和第4行的數據，即按方法是按照位置索引取得數。注意使用位置索引的時候只能用整數（integer position,bool類型除外）

另外，還可以向loc和iloc中傳入bool序列，這樣就可以將前面介紹的boo表達式用到loc和iloc中。下面來看看怎么使用bool序列？

import pandas as pd
data=pd.DataFrame(data={'col1':[1,2,3,5,10],'col2':[50,90,67,75,100]},\

         index=['a','b','c','d','e'])
print(data)
#iloc[]示例,iloc似乎不能直接使用邏輯表達式的結果，我這里將其轉置成list之后就可以用了，原因暫且不明
data_1=data.iloc[list(data['col1']>5)]
print(data_1)
#loc[]示例，loc中可以直接使用邏輯表達式
data_2=data.loc[data['col1']>5]
print(data_2)

在iloc[]中，如果直接使用loc中的邏輯表達式而不進行list()轉化的話，會提示ValueError: iLocation based boolean indexing cannot use an indexable as a mask錯誤。

如果查看上述兩段代碼中得到的first_listing。我們會發現兩處first_listing的類型均為datafrarm。loc和iloc除了能對行進行篩選，還可以篩選列。如果在loc和iloc中設定了對列的篩選，則篩選之后得到的數據可能是datafrme類型，也有可能是Series類型。下面直接以代碼運行結果進行說明。

import pandas as pd
data=pd.DataFrame(data={'col1':[1,2,3,5,10],'col2':[50,90,67,75,100]},\

         index=['a','b','c','d','e'])
print(data)
#iloc[]示例 ,在使用iloc的時候，[]里面無論是篩選行還是篩選列，都只能使用數字形式的行號或列號。
#這里如果使用‘col2',這里會報錯
data_1=data.iloc[[0,4],[1]]#當需要篩選出多列或者希望返回的結果為DataFrame時，可以將列號用[]括起來。
print(data_1)
print(type(data_1))
data_2=data.iloc[[0,4],1]#當只需要篩選出其中的一列時可以只寫一個列號，不加中括號，這種方法得到的是一個Series
print(data_2)
print(type(data_2))
#loc[]示例
data_3=data.loc[['a','e'],['col2']]
print(data_3)
print(type(data_3))
data_4=data.loc[['a','e'],'col2']
print(data_4)
print(type(data_4))

具體的代碼執行結果如下：

最后看ix()方法，其API網址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.ix.html,其解釋為 A primarily label-location based indexer, with integer position fallback.

代碼三：

first_listing = normalized_listings.ix[[0,4]]

結果如下似乎與loc（）方法的結果是相同的，但是從其給出的解釋來看，其好像是前兩個方法的集合。

到此這篇關于pandas按條件篩選數據的實現的文章就介紹到這了,更多相關pandas 條件篩選 內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！