06_高效选择行与列

---

博文配套视频课程：24小时实现从零到AI人工智能

---

数据保存在DataFrame中之后后续如果要进行数据清理和挖掘则前提要进行数据的筛选操作，本章讲解了三种最常见的数据筛选方式：列名、索引、条件

基于列名的筛选

import numpy as np
import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame(data=np.arange(12).reshape(3,4),index=list('abc'),columns=list('wxyz'))
# 显示整个df的结构，相关的信息
df.info()

print('pd默认列优先，numpy默认是行优先')
print(df['w'],type(df['w']))
# 如果是多列,则返回的是子DataFrame
print(df[['w','z']],type(df[['w','z']]))

自然数索引筛选

import numpy as np
import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame(data=np.arange(12).reshape(3,4),index=list('abc'),columns=list('wxyz'))
# 显示整个df的结构，相关的信息
df.info()

print('通过iloc采用自然数索引来获取')
print(df.iloc[:,[2,1]])
print(df.iloc[[0,2],[0,2,3]])

条件过滤的筛选

import numpy as np
import pandas as pd

# 创建一个DataFrame
df = pd.DataFrame(data=np.arange(12).reshape(3,4),index=list('abc'),columns=list('wxyz'))
# 显示整个df的结构，相关的信息
df.info()

print('通过条件来过滤与筛选')
print(df)
print(df[df['y'] > 5])
print('多条件的过滤 | & ~ 运算')
print(df[(df['y']>5) & (df['x']<8)])
print(df[~(df['x']>1)])