pandas按條件篩選數據的實現

Posted on by

pandas中對DataFrame篩選數據的方法有很多的，以後會後續進行補充，這裡隻整理遇到錯誤的情況。

1.使用佈爾型DataFrame對數據進行篩選

使用一個條件對數據進行篩選，代碼類似如下：

num_red=flags[flags['red']==1]

使用多個條件對數據進行篩選，代碼類似如下：

stripes_or_bars=flags[(flags['stripes']>=1) | (flags['bars']>=1)]

常見的錯誤代碼如下：

代碼一：

stripes_or_bars=flags[flags['stripes']>=1 or flags['bars']>=1]

代碼二：

stripes_or_bars=flags[flags['stripes']>=1 | flags['bars']>=1].

代碼三：

stripes_or_bars=flags[(flags['stripes']>=1) or (flags['bars']>=1)]

以上這三種代碼的錯誤提示都是：ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). 中括號裡面的邏輯式如何解析的暫時不清楚。貌似不能使用and、or及not。

除瞭使用組合的邏輯表達式之外，使用返回類型為佈爾型值的函數也可以達到篩選數據的效果。示例如下：

import pandas as pd
import numpy as np
df=pd.DataFrame(np.array(range(10)).reshape((5,-1)))
df.columns=['0','1']
df=df[df['1'].isin([3,5,9])]

 其df的結果如下：

2.iloc()方法、ix()方法和iloc()方法的區別

首先dataframe一般有兩種類型的索引：第一種是位置索引，即dataframe自帶的從0開始的索引，這種索引叫位置索引。另一種即標簽索引，這種索引是你在創建datafram時通過index關鍵字，或者通過其他index相關方法重新給dataframe設置的索引。這兩種索引是同時存在的。一般設置瞭標簽索引之後，就不在顯示位置索引，但不意味著位置索引就不存在瞭。

假設有如下幾行數據(截圖部分隻是數據的一部分），很明顯，以下顯示的索引為標簽索引。同時574(標簽索引)行對應的位置索引則為0，1593行對應的位置索引為2， 以此類推。

先來看loc(),其API網址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.htm，函數名下方有一行解釋，Access a group of rows and columns by label(s) or a boolean array.. loc[] is primarily label based, but may also be used with a boolean array. 

代碼一：

first_listing = normalized_listings.loc[[0,4]]

結果如下，可以看出其輸出的是dataframe中標簽索引為0和4的兩行數據。註意，如果標簽索引的類型為字符串，則在loc中也要用字符串的形式。

再來看iloc(),其API網址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iloc.html，函數名下方的解釋為 Purely integer-location based indexing for selection by position. .iloc[] is primarily integer position based ( from 0 to length-1 of the axis), but may also be used with a boolean array.

代碼二:

first_listing = normalized_listings.iloc[[0,4]]

結果如下，可以看出其輸出的dataframe中第0行和第4行的數據，即按方法是按照位置索引取得數。註意使用位置索引的時候隻能用整數（integer position,bool類型除外）

另外，還可以向loc和iloc中傳入bool序列，這樣就可以將前面介紹的boo表達式用到loc和iloc中。下面來看看怎麼使用bool序列？

import pandas as pd
data=pd.DataFrame(data={'col1':[1,2,3,5,10],'col2':[50,90,67,75,100]},\
         index=['a','b','c','d','e'])
print(data)
#iloc[]示例,iloc似乎不能直接使用邏輯表達式的結果，我這裡將其轉置成list之後就可以用瞭，原因暫且不明
data_1=data.iloc[list(data['col1']>5)]
print(data_1)
#loc[]示例，loc中可以直接使用邏輯表達式
data_2=data.loc[data['col1']>5]
print(data_2)

在iloc[]中，如果直接使用loc中的邏輯表達式而不進行list()轉化的話，會提示ValueError: iLocation based boolean indexing cannot use an indexable as a mask錯誤。

如果查看上述兩段代碼中得到的first_listing。我們會發現兩處first_listing的類型均為datafrarm。loc和iloc除瞭能對行進行篩選，還可以篩選列。如果在loc和iloc中設定瞭對列的篩選，則篩選之後得到的數據可能是datafrme類型，也有可能是Series類型。下面直接以代碼運行結果進行說明。

import pandas as pd
data=pd.DataFrame(data={'col1':[1,2,3,5,10],'col2':[50,90,67,75,100]},\
         index=['a','b','c','d','e'])
print(data)
#iloc[]示例 ,在使用iloc的時候，[]裡面無論是篩選行還是篩選列，都隻能使用數字形式的行號或列號。
#這裡如果使用‘col2',這裡會報錯
data_1=data.iloc[[0,4],[1]]#當需要篩選出多列或者希望返回的結果為DataFrame時，可以將列號用[]括起來。
print(data_1)
print(type(data_1))
data_2=data.iloc[[0,4],1]#當隻需要篩選出其中的一列時可以隻寫一個列號，不加中括號，這種方法得到的是一個Series
print(data_2)
print(type(data_2))
#loc[]示例
data_3=data.loc[['a','e'],['col2']]
print(data_3)
print(type(data_3))
data_4=data.loc[['a','e'],'col2']
print(data_4)
print(type(data_4))

具體的代碼執行結果如下：

最後看ix()方法，其API網址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.ix.html,其解釋為 A primarily label-location based indexer, with integer position fallback.

代碼三：

first_listing = normalized_listings.ix[[0,4]]

結果如下似乎與loc（）方法的結果是相同的，但是從其給出的解釋來看，其好像是前兩個方法的集合。

到此這篇關於pandas按條件篩選數據的實現的文章就介紹到這瞭,更多相關pandas 條件篩選 內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：