一日一技：从列表中一次性筛选多个指定位置的数据

最新推荐文章于 2023-01-14 14:02:37 发布

简说Python

最新推荐文章于 2023-01-14 14:02:37 发布

阅读量1.6k

点赞数 1

Pandas的DataFrame在筛选列数据的时候，有一个非常方便的用法。

假设现在有这样一个DataFrame：

import pandas as pd
data = [
    {'name': 'kingname', 'age': 20, 'salary': 99999},
    {'name': 'alice', 'age': 30, 'salary': 99999},
    {'name': 'bob', 'age': 10, 'salary': 99999},
    {'name': 'cindy', 'age': 40, 'salary': 99999}
]
df = pd.DataFrame(data)
df

运行效果如下图所示：

我要筛选所有 age>=30的数据，可以这样写：

df[df['age'] >= 30]

运行效果如下图所示：

而这里面的原理，实际上可以使用下面这个代码来解释：

df[[False, True, False, True]]

如下图所示：

那么问题来了，我有一个Python里面，列表能不能也实现这个功能呢？假设有下面两个列表：

name_list = ['kingname', 'alice', 'bob', 'cindy']
position_list = [True, False, True, False]

我想把 position_list列表中， True的下标在 name_list中对应的值都获取下来。

你可能会这样写代码：

name_list = ['kingname', 'alice', 'bob', 'cindy']
position_list = [True, False, True, False]
for name, position in zip(name_list, position_list):
    if position:
        print(name)

运行效果如下图所示：

但实际上，在Python里面有一个现成的函数可以实现这个功能，那就是 itertools.compress()，其使用方法如下：

from itertools import compress
name_list = ['kingname', 'alice', 'bob', 'cindy']
position_list = [True, False, True, False]
for name in compress(name_list, position_list):
    print(name)

运行效果如下图所示：