五花八门的 Pandas 筛选数据
今天继续带来 Pandas 的花样取数技巧，本文中重点介绍的方法：
表达式取数 query、evel filter where、mask
一、模拟数据
下面是完全模拟的一份数据，包含：姓名、性别、年龄、数学、语文、总分、地址共 7 个字段信息。
import pandas as pd
import numpy as np
df = pd.DataFrame({
"name":['小明','小王','张菲','关宇','孙小小','王建国','刘蓓'],
"sex":['男','女','女','男','女','男','女'],
"age":[20,23,18,21,25,21,24],
"math":[120,130,118,120,102,140,134],
"chinese":[100,130,140,120,149,111,118],
"score":[590,600,550,620,610,580,634],
"address":["广东省深圳市南山区",
"北京市海淀区",
"湖南省长沙市雨花区",
"北京市东城区",
"广东省广州市白云区",
"湖北省武汉市江夏区",
"广东省深圳市龙华区"
]
})
df
下面开始详细介绍 5 种取数方法：
表达式取数 query()取数 eval()取数 filter()取数 where/mask取数
二、表达式取数
表达式取数指的是通过表达式来指定一个或者多个筛选条件来取数。
1、指定一个数学表达式
# 1、数学表达式
df[df['math'] > 125]
2、取反操作
取反操作是通过符号~来实现的
# 2、取反操作
df[~(df['sex'] == '男')] # 取出不是男生的数据
3、指定某个属性的值为具体的数据
# 3、指定具体数据
df[df.sex == '男'] # 等同于 df[df['sex'] == '男']
4、不等式表达式
# 4、比较表达式
df[df['math'] > df['chinese']]
5、逻辑运算符
# 5、逻辑运算符
df[(df['math'] > 120) & (df['chinese'] < 140)]
三、query()函数
3.1 使用说明
⚠️在使用的时候需要注意的是：如果我们列属性中存在空格，我们需要使用反引号将其括起来再进行使用。
3.2 使用案例
1、使用数值型表达式
df.query('math > chinese > 110')
df.query('math + chinese > 255')
df.query('math == chinese')
df.query('math == chinese > 120')
df.query('(math > 110) and (chinese < 135)') # 两个不等式
2、使用字符型表达式
df.query('sex != "女"') # 不等于女，就是全部男
df.query('sex not in ("女")') # 不在女中就是男
df.query('sex in ("男","女")') # 性别在男女中就是全部人
3、传入变量；变量在使用的时候需要在前面加上@
# 设置变量
a = df.math.mean()
a
df.query('math > @a + 10')
df.query('math < (`chinese` + @a) / 2')
四、eval()函数
eval函数的使用方法和query函数是相同的
1、使用数值型表达式
# 1、数值型表达式
df.eval('math > 125') # 得到的是bool表达式
df[df.eval('math > 125')]
df[df.eval('math > 125 and chinese < 130')]
2、字符型表达式
# 2、字符型表达式
df[df.eval('sex in ("男")')]
3、使用变量
# 3、使用变量
b = df.chinese.mean() # 求均值
df[df.eval('math < @b+5')]
五、filter函数
我们使用filter可以对列名或者行名进行筛选，使用方法：
直接指定 正则指定 模糊指定
其中axis=1指定列名；axis=0指定索引
5.1 使用说明
5.2 使用案例
1、直接指定属性名
df.filter(items=["chinese","score"]) # 列名操作
直接指定行索引
df.filter(items=[2,4],axis=0) # 行筛选
2、通过正则指定
df.filter(regex='a',axis=1) # 列名中包含
df.filter(regex='^s',axis=1) # 列名以s开始
df.filter(regex='e$',axis=1) # 列名以e结束
df.filter(regex='3$',axis=0) # 行索引包含3
3、模糊指定
df.filter(like='s',axis=1) # 列名中包含s
df.filter(like='2',axis=0) # 行索引包含2
# 同时指定列名和索引
df.filter(regex='^a',axis=1).filter(like='2',axis=0)
六、where和mask函数
where和mask函数是一对相反的函数，取出来的结果刚好是相反的：
where：取出满足要求的数据，不满足的显示为NaN mask：取出不满足要求的数据，满足的显示为NaN
两种方法都可以将将NaN值设置我们指定的数据
6.1 where使用
s = df["score"]
s
# where：满足条件的直接显示，不满足的显示为NaN
s.where(s>=600)
我们可以给不满足要求的数据进行赋值：
# 我们可以给不满足的进行赋值
s.where(s>=610,600) # 不满足条件的赋值为600
看看两组结果的对比：
where函数还可以指定多个条件：
# 符合条件的返回True，不符合的返回False
df.where((df.sex=='男') & (df.math > 125))
选出我们想要的数据：
df[(df.where((df.sex=='男') & (df.math > 125)) == df).name]
# df[(df.where((df.sex=='男') & (df.math > 125)) == df).sex] 效果相同
6.2 mask函数
mask函数获取到的结果和where是相反的
s.mask(s>=600) # 和where相反：返回的都是小于600的数据
s.mask(s>=610, 600) # 不满足条件的赋值为600
mask函数接受多个条件：
# 取值和where相反
df[(df.mask((df.sex=='男') & (df.math > 125)) == df).sex]
七、总结
Pandas中取数的方法真的五花八门，太多技巧可以获取到我们想要的数据，有时候不同的方式也可以得到相同的数据。本文中着重介绍的通过表达式和5个函数来取数，下篇文章中将会重点讲解3对函数筛选数据的方法。
评论