import pandas as pdimport 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

复制代码

下面开始详细介绍 6 种取数方法：

表达式取数
query()取数
eval()取数
filter()取数
where/mask 取数

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]

复制代码

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

复制代码

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']

复制代码

4、不等式表达式

# 4、比较表达式df[df['math'] > df['chinese']]

复制代码

5、逻辑运算符

# 5、逻辑运算符df[(df['math'] > 120) & (df['chinese'] < 140)]

复制代码

query()函数

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。

使用案例

1、使用数值型表达式

df.query('math > chinese > 110')

复制代码

df.query('math + chinese > 255')

复制代码

df.query('math == chinese')

复制代码

df.query('math == chinese > 120')

复制代码

df.query('(math > 110) and (chinese < 135)')  # 两个不等式

复制代码

2、使用字符型表达式

df.query('sex != "女"')  # 不等于女，就是全部男

复制代码

df.query('sex not in ("女")')  # 不在女中就是男

复制代码

df.query('sex in ("男","女")')   # 性别在男女中就是全部人

复制代码

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')

复制代码

df.query('math < (`chinese` + @a) / 2')

复制代码

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

复制代码

df[df.eval('math > 125')]

复制代码

df[df.eval('math > 125 and chinese < 130')]

复制代码

2、字符型表达式

# 2、字符型表达式df[df.eval('sex in ("男")')]

复制代码

3、使用变量

# 3、使用变量b = df.chinese.mean()  # 求均值df[df.eval('math < @b+5')]

复制代码

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

使用说明

使用案例

1、直接指定属性名

df.filter(items=["chinese","score"])   # 列名操作

复制代码

直接指定行索引

df.filter(items=[2,4],axis=0)   # 行筛选

复制代码

2、通过正则指定

df.filter(regex='a',axis=1)  # 列名中包含

复制代码

df.filter(regex='^s',axis=1)  # 列名以s开始

复制代码

df.filter(regex='e$',axis=1)  # 列名以e结束

复制代码

df.filter(regex='3$',axis=0)  # 行索引包含3

复制代码

3、模糊指定

df.filter(like='s',axis=1)   # 列名中包含s

复制代码

df.filter(like='2',axis=0)   # 行索引包含2

复制代码

# 同时指定列名和索引df.filter(regex='^a',axis=1).filter(like='2',axis=0)

复制代码

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

where 使用

s = df["score"]s

复制代码

# where：满足条件的直接显示，不满足的显示为NaNs.where(s>=600)

复制代码

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

复制代码

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Falsedf.where((df.sex=='男') & (df.math > 125))

复制代码

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

复制代码

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

复制代码

s.mask(s>=610, 600)  # 不满足条件的赋值为600

复制代码

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]

复制代码

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。

发布于: 2 小时前阅读数: 2

原文链接:【http://xie.infoq.cn/article/d9078dddfc21ce7159cab0628】。文章转载请联系作者。

皮大大

关注

志之所趋，无远弗届，穷山距海，不能限也。 2019.01.15 加入

还未添加个人简介

发布

暂无评论

创作场景

Pandas 教程 -4-DataFrame 数据筛选（中）

Pandas 系列_DataFrame 数据筛选（中）

扩展阅读

模拟数据

表达式取数

query()函数

使用说明

使用案例

eval()函数

filter 函数

使用说明

使用案例

where 和 mask 函数

where 使用

mask 函数

总结

皮大大

评论