【一日一技】超简单的Pandas数据筛选方法

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

提示：这里可以添加本文要记录的大概内容：

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、pandas是什么？

示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。

二、使用步骤

1.引入库

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import  ssl
ssl._create_default_https_context = ssl._create_unverified_context

2.读入数据

代码如下（示例）：

首先来定义一个DataFrame



import pandas as pd

datas = [

{'name': '王小一', 'hight': 171, 'weight': 100},

{'name': '李小二', 'hight': 163, 'weight': 200},

{'name': '张小三', 'hight': 152, 'weight': 67},

{'name': '郭小四', 'hight': 148, 'weight': 77},

{'name': '钱小五', 'hight': 189, 'weight': 87},

{'name': '孙小六', 'hight': 155, 'weight': 82},

{'name': '周小七', 'hight': 169, 'weight': 74},

{'name': '吴小八', 'hight': 170, 'weight': 68},

{'name': '郑小九', 'hight': 173, 'weight': 65},

{'name': '冯老十', 'hight': 175, 'weight': 64}

]

df = pd.DataFrame(datas)



运行效果图



现在想要筛选hight字段大于160的所有数据



代码可以这样写：

df[160 < df['hight']]



运行效果图



现在想筛选所有 160 < hight < 170的数据



如果使用Python的链式比对，就会导致报错：

报错图

此时，代码需要改写为很难看的一种样式：

df[(160 < df['hight']) & (df['hight'] < 170)]



运行效果图

这样写虽然能够解决问题，但是代码可读性不好。

为了提高可读性，可以使用pandas自带的.query方法。

当我们要查询hight > 160的数据时，可以这样写：

df.query('hight>160')



运行效果图

当我们要查询160 < hight < 170的时候，可以这样写：

df.query('160<hight<170')



运行效果图

甚至还支持多个参数链式查询，例如筛选所有160<hight<170并且weight<80的数据：

df.query('160<hight<170').query('weight<80')



运行效果图

作者：kingname

排版：magic

大家好，我是老表
觉得本文不错的话，转发、留言、点赞，是对我最大的支持。

每日留言

说说你读完本文感受？

或者一句激励自己的话？

（字数不少于15字）

怎么加入刻意学习队伍

点我，看文末彩蛋

留言有啥福利

点我就知道了

想进学习交流群

加微信：jjxksa888

备注：简说Python

2小时快速掌握Python基础知识要点。

完整Python基础知识要点

Python小知识 | 这些技能你不会?(一)

Python小知识 | 这些技能你不会?(二)

Python小知识 | 这些技能你不会?(三)

Python小知识 | 这些技能你不会?(四)

近期推荐阅读：

【1】整理了我开始分享学习笔记到现在超过250篇优质文章，涵盖数据分析、爬虫、机器学习等方面，别再说不知道该从哪开始，实战哪里找了

【2】【终篇】Pandas中文官方文档：基础用法6（含1-5)

觉得不错就点一下“在看”吧 

该处使用的url网络请求的数据。

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。