[教程]Python pandas选择行：掌握高效行筛选技巧，轻松驾驭数据！

引言在数据分析过程中，行选择是数据处理和转换的关键步骤。Pandas库提供了强大的行选择功能，使得我们可以轻松地根据条件筛选出所需的数据行。本文将详细介绍Pandas中行选择的各种技巧，帮助您高效地处...

引言

在数据分析过程中，行选择是数据处理和转换的关键步骤。Pandas库提供了强大的行选择功能，使得我们可以轻松地根据条件筛选出所需的数据行。本文将详细介绍Pandas中行选择的各种技巧，帮助您高效地处理数据。

基础行选择方法

1. 单条件筛选

假设我们有一个包含学生信息的DataFrame，希望筛选出所有年龄大于20岁的学生。

import pandas as pd
# 创建一个简单的DataFrame
data = { '姓名': ['张三', '李四', '王五', '赵六'], '年龄': [19, 22, 18, 21], '成绩': [88, 92, 75, 85]
}
df = pd.DataFrame(data)
# 筛选出年龄大于20岁的学生
filtered_df = df[df['年龄'] > 20]
print(filtered_df)

输出结果：

 姓名 年龄 成绩
1 李四 22 92
3 赵六 21 85

在这个例子中，通过 df['年龄'] > 20 创建了一个布尔索引，用来筛选出所有年龄大于20岁的学生。

2. 根据多个列进行筛选

有时候需要根据多个条件进行筛选，Pandas允许我们通过布尔运算符实现多条件筛选，常用的逻辑运算符包括 &（与）、|（或）和 ~（非）。

# 筛选出年龄大于20岁且成绩大于85的学生
filtered_df = df[(df['年龄'] > 20) & (df['成绩'] > 85)]
print(filtered_df)

输出结果：

 姓名 年龄 成绩
1 李四 22 92

高级行选择方法

1. 使用 loc 和 iloc 索引

Pandas的 loc 和 iloc 索引可以用来根据行标签或行号进行筛选。

# 使用loc筛选
filtered_df = df.loc[df['年龄'] > 20]
print(filtered_df)
# 使用iloc筛选
filtered_df = df.iloc[1:3]
print(filtered_df)

输出结果：

 姓名 年龄 成绩
1 李四 22 92
3 赵六 21 85

2. 使用 query 方法

query 方法提供了一种简洁的方式来执行复杂的条件筛选。

filtered_df = df.query('年龄 > 20 and 成绩 > 85')
print(filtered_df)

输出结果：

 姓名 年龄 成绩
1 李四 22 92

3. 使用 isin 方法

isin 方法可以用来筛选包含特定值的行。

filtered_df = df[df['姓名'].isin(['李四', '赵六'])]
print(filtered_df)

输出结果：

 姓名 年龄 成绩
1 李四 22 92
3 赵六 21 85

总结

通过以上介绍，您应该已经掌握了Pandas中行选择的各种技巧。在实际应用中，可以根据具体需求灵活运用这些方法，高效地处理数据。希望本文能帮助您在数据分析的道路上越走越远！