惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

WordPress大学
WordPress大学
阮一峰的网络日志
阮一峰的网络日志
Jina AI
Jina AI
博客园 - Franky
U
Unit 42
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
宝玉的分享
宝玉的分享
B
Blog RSS Feed
雷峰网
雷峰网
D
DataBreaches.Net
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
I
InfoQ
美团技术团队
云风的 BLOG
云风的 BLOG
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Martin Fowler
Martin Fowler
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
大猫的无限游戏
大猫的无限游戏
G
Google Developers Blog
T
Tailwind CSS Blog
P
Proofpoint News Feed
The GitHub Blog
The GitHub Blog
月光博客
月光博客
Engineering at Meta
Engineering at Meta

老董笔记

尚硅谷机构在哪?尚硅谷培训怎么样?靠谱吗-互联网IT百科 韩顺平介绍,传智讲师,开办泰牛,入尚硅谷等一系列-互联网IT百科 pandas多重索引标准样式(写入excel有空行)-互联网IT百科 cannot join with no overlapping index names-互联网IT百科 pandas多列变多行(即宽表变长表)melt和stack函数-互联网IT百科 pandas多行转多列(长表变宽表)pivot和unstack-互联网IT百科 Index contains duplicate entries, cannot reshape完美解决-互联网IT百科 single positional indexer is out-of-bounds-互联网IT百科 Can only compare identically-labeled Series objects-互联网IT百科 pandas transform用法详解(多个案例)-互联网IT百科 python四舍五入精确实现-互联网IT百科 pandas的groupby使用apply分组排序-互联网IT百科 index 0 is out of bounds for axis 0 with size 0-互联网IT百科 pandas分组过滤filter函数-互联网IT百科 联想Win10系统如何禁用触摸屏关闭触摸-互联网IT百科 groupby分组计算transform转换返回相同长度序列-互联网IT百科 brooks seo教程python教程,brooks seo教程网盘,布鲁seo资源-互联网IT百科 电脑右键文件夹一直转圈电卡死怎么回事-互联网IT百科 施琪嘉的心理成长课(荐)-互联网IT百科 百度SEO公司_SEO推广公司哪家好_SEO外包服务如何选-老董笔记 groupby后agg同1列用多个聚合函数、不同列用不同函数、自定义函数-互联网IT百科 pandas的groupby单列多列分组聚合运算-互联网IT百科 DataFrameGroupBy对象及分组个数、分组大小、组名索引、组数据详解-互联网IT百科 pandas中groupby之Grouper and axis must be same length-互联网IT百科 pandas中groupby的分组原理-互联网IT百科 pandas的groupby的使用详解大全-互联网IT百科 openpyxl单元格自动换行强制换行Alignment(wrapText=True)-互联网IT百科 python教程全套(可就业)-互联网IT百科 联想win10系统CPU显示100%,电脑呼呼响怎么回事-互联网IT百科 如何自制CPU,CPU原理是怎么样的?-互联网IT百科
DataFrame的[],loc,iloc多条件判断筛选(布尔索引的本质)-互联...
2021-10-25 · via 老董笔记

  pandas中DataFrame选择数据可以用直接索引、loc选择器、iloc选择器,这些筛选方式都支持布尔索引,他们可以直接传入True、False组成的列表,也可以传入Series、df、np数组,只要他们的值为布尔值即可。这个就是布尔索引的本质。详细用法如下:

  >>dateframe loc行列选择,切片,条件筛选大全

  >>dateframe iloc行列选择,切片,条件筛选大全

  >>dateframe []直接索引,切片,条件筛选大全

  在多条件判断中,&代表且,|代表或,~代表取反。如果2个条件运算需要加上小括号确定优先级。布尔索引是实际工作使用非常频繁的操作,本文实操利用布尔索引进行单条件多条件判断。

  1、单条件与非判断


df = pd.DataFrame([['baidu',800,200],['sogou',500,150],['google',100,60]],columns=['pingtai','pv','uv'],index=['a','b','c'])
bool_con1 = df['pv'] > 200
print(df[bool_con1])
print('====')
print(df[~bool_con1]) # 取反
  pingtai   pv   uv
a   baidu  800  200
b   sogou  500  150
====
  pingtai   pv  uv
c  google  100  60

  2、多条件与判断


df = pd.DataFrame([['baidu',800,200],['sogou',600,100],['google',500,120]],columns=['pingtai','pv','uv'],index=['a','b','c'])
bool_con1 = df['pv'] > 500
print(df[bool_con1])
print('====')
bool_con2 = df['uv'] > 100
print(df[bool_con2])
print('-----')
print(df[bool_con2 & bool_con1])
  pingtai   pv   uv
a   baidu  800  200
b   sogou  600  100
====
  pingtai   pv   uv
a   baidu  800  200
c  google  500  120
-----
  pingtai   pv   uv
a   baidu  800  200

  3、多条件或判断


df = pd.DataFrame([['baidu',800,200],['sogou',600,100],['google',500,120]],columns=['pingtai','pv','uv'],index=['a','b','c'])
bool_con1 = df['pv'] > 500
print(df[bool_con1])
print('====')
bool_con2 = df['uv'] > 100
print(df[bool_con2])
print('-----')
print(df[bool_con2 | bool_con1])
  pingtai   pv   uv
a   baidu  800  200
b   sogou  600  100
====
  pingtai   pv   uv
a   baidu  800  200
c  google  500  120
-----
  pingtai   pv   uv
a   baidu  800  200
b   sogou  600  100
c  google  500  120

  4、条件很多可以加括号确定优先级

df = pd.DataFrame([['baidu',800,200],['sogou',600,100],['google',500,120]],columns=['pingtai','pv','uv'],index=['a','b','c'])
bool_con1 = df['pv'] > 500
print(df[bool_con1])
print('====')
bool_con2 = df['uv'] > 100
print(df[bool_con2])
print('=====')
bool_con3 = df['pingtai'] == 'baidu'
print(df[bool_con3])
print('-----')
print(df[(bool_con2 | bool_con1) & bool_con3])
  pingtai   pv   uv
a   baidu  800  200
b   sogou  600  100
====
  pingtai   pv   uv
a   baidu  800  200
c  google  500  120
=====
  pingtai   pv   uv
a   baidu  800  200
-----
  pingtai   pv   uv
a   baidu  800  200

很赞哦!

python编程网提示:转载请注明来源www.python66.com。
有宝贵意见可添加站长微信(底部),获取技术资料请到公众号(底部)。同行交流请加群 python学习会