五种方法，使用python筛选出某个属性值在某两个数值之间的数据框（代码实战）

青春之我_XP

已于 2024-05-09 08:40:02 修改

阅读量879

点赞数 14

文章标签： python 机器学习数据分析

于 2024-01-18 16:22:52 首次发布

本文链接：https://blog.csdn.net/2301_81199775/article/details/135677421

版权

方法一：使用pandas库的条件筛选

代码：

import pandas as pd

# 创建一个示例数据框
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [25, 30, 35, 40],
        'Salary': [5000, 6000, 7000, 8000]}
df = pd.DataFrame(data)

# 使用条件筛选
filtered_df = df[(df['Salary'] > 5500) & (df['Salary'] < 7500)]
print(filtered_df)

最终结果：

方法二：使用numpy库的条件筛选

代码：

import numpy as np

# 创建一个示例数据框
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [25, 30, 35, 40],
        'Salary': [5000, 6000, 7000, 8000]}
df = pd.DataFrame(data)

# 使用条件筛选
filtered_df = df[np.logical_and(df['Salary'] > 5500, df['Salary'] < 7500)]
print(filtered_df)

最终结果：

方法三：使用列表推导式筛选

代码：

# 创建一个示例数据框
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [25, 30, 35, 40],
        'Salary': [5000, 6000, 7000, 8000]}
df = pd.DataFrame(data)

# 使用列表推导式筛选
filtered_df = pd.DataFrame([row for index, row in df.iterrows() if 5500 < row['Salary'] < 7500])
print(filtered_df)

最终结果：

方法四：使用apply函数筛选

代码：

# 创建一个示例数据框
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [25, 30, 35, 40],
        'Salary': [5000, 6000, 7000, 8000]}
df = pd.DataFrame(data)

# 使用apply函数筛选
filtered_df = df[df.apply(lambda row: 5500 < row['Salary'] < 7500, axis=1)]
print(filtered_df)

最终结果：

方法五：使用query函数筛选

代码：

# 创建一个示例数据框
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [25, 30, 35, 40],
        'Salary': [5000, 6000, 7000, 8000]}
df = pd.DataFrame(data)

# 使用query函数筛选
filtered_df = df.query('5500 < Salary < 7500')
print(filtered_df)