跳到主要内容

Pandas 条件选择

在数据分析中，我们经常需要根据某些条件从数据集中筛选出特定的数据。Pandas提供了强大的条件选择功能，使得这一过程变得简单而高效。本文将详细介绍如何使用Pandas进行条件选择，并通过实际案例帮助你掌握这一技能。

什么是条件选择？​

条件选择是指根据某些条件从数据集中筛选出符合条件的数据。例如，你可能希望从一个包含学生成绩的数据集中筛选出所有成绩大于90分的学生。Pandas提供了多种方法来实现条件选择，包括布尔索引、query()方法等。

布尔索引​

布尔索引是Pandas中最常用的条件选择方法之一。它通过创建一个布尔数组（即由True和False组成的数组）来筛选数据。布尔数组的长度必须与DataFrame的行数相同，True表示选择该行，False表示不选择。

示例：筛选成绩大于90分的学生​

假设我们有一个包含学生姓名和成绩的DataFrame：

python
import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
    'Score': [85, 92, 88, 95, 89]
}

df = pd.DataFrame(data)
print(df)

输出：

      Name  Score
0    Alice     85
1      Bob     92
2  Charlie     88
3    David     95
4      Eva     89

现在，我们想要筛选出成绩大于90分的学生。可以使用布尔索引来实现：

python
high_scores = df[df['Score'] > 90]
print(high_scores)

输出：

    Name  Score
1    Bob     92
3  David     95

解释​

  • df['Score'] > 90：这是一个布尔表达式，返回一个布尔数组，表示每一行的Score是否大于90。
  • df[df['Score'] > 90]：使用布尔数组作为索引，筛选出True对应的行。

多条件选择​

在实际应用中，我们可能需要根据多个条件进行筛选。Pandas支持使用逻辑运算符（如&、|、~）来组合多个条件。

示例：筛选成绩大于90分且姓名为Bob的学生​

python
high_scores_bob = df[(df['Score'] > 90) & (df['Name'] == 'Bob')]
print(high_scores_bob)

输出：

  Name  Score
1  Bob     92

解释​

  • (df['Score'] > 90)：筛选出成绩大于90分的学生。
  • (df['Name'] == 'Bob')：筛选出姓名为Bob的学生。
  • &：逻辑与运算符，表示两个条件都必须满足。
备注

注意：在使用多条件选择时，每个条件必须用括号括起来，以避免运算符优先级问题。

query()方法​

除了布尔索引，Pandas还提供了query()方法来进行条件选择。query()方法允许你使用字符串表达式来指定筛选条件，语法更加简洁。

示例：使用query()筛选成绩大于90分的学生​

python
high_scores_query = df.query('Score > 90')
print(high_scores_query)

输出：

    Name  Score
1    Bob     92
3  David     95

解释​

  • query('Score > 90')：使用字符串表达式指定筛选条件，筛选出成绩大于90分的学生。
提示

query()方法在处理复杂条件时非常有用，尤其是在条件表达式较长时，可以提高代码的可读性。

实际案例：筛选电商订单数据​

假设我们有一个包含电商订单数据的DataFrame，其中包含订单ID、客户ID、订单金额和订单状态等信息。我们需要筛选出所有已完成的订单，并且订单金额大于1000元。

python
data = {
    'OrderID': [1, 2, 3, 4, 5],
    'CustomerID': [101, 102, 103, 104, 105],
    'Amount': [1200, 800, 1500, 900, 1100],
    'Status': ['Completed', 'Pending', 'Completed', 'Pending', 'Completed']
}

orders_df = pd.DataFrame(data)
print(orders_df)

输出：

   OrderID  CustomerID  Amount     Status
0        1         101    1200  Completed
1        2         102     800    Pending
2        3         103    1500  Completed
3        4         104     900    Pending
4        5         105    1100  Completed

现在，我们筛选出所有已完成的订单，并且订单金额大于1000元：

python
completed_high_amount = orders_df[(orders_df['Status'] == 'Completed') & (orders_df['Amount'] > 1000)]
print(completed_high_amount)

输出：

   OrderID  CustomerID  Amount     Status
0        1         101    1200  Completed
2        3         103    1500  Completed
4        5         105    1100  Completed

解释​

  • (orders_df['Status'] == 'Completed')：筛选出状态为“Completed”的订单。
  • (orders_df['Amount'] > 1000)：筛选出金额大于1000元的订单。
  • &：逻辑与运算符，表示两个条件都必须满足。

总结​

Pandas的条件选择功能非常强大，能够帮助我们轻松地从数据集中筛选出符合特定条件的数据。通过布尔索引和query()方法，我们可以灵活地实现单条件和多条件筛选。在实际应用中，条件选择是数据分析中不可或缺的一部分，掌握这一技能将大大提高你的数据处理效率。

附加资源与练习​

  • 练习1：创建一个包含学生姓名、年龄和成绩的DataFrame，筛选出年龄大于18岁且成绩大于85分的学生。
  • 练习2：使用query()方法筛选出订单状态为“Pending”且订单金额小于500元的订单。
警告

在进行条件选择时，务必注意条件的逻辑关系，避免因运算符优先级问题导致筛选结果错误。

希望本文能帮助你更好地理解Pandas的条件选择功能。继续练习，你将能够熟练地运用这些技巧来处理各种数据分析任务！