根据pandas中列的值从DataFrame中选择行

Question

根据pandas中列的值从DataFrame中选择行如何DataFrame根据pandas中某些列的值选择行？在SQL中，我会使用：SELECT *FROM tableWHERE colume_name = some_value我试着看看熊猫文档，但没有立即找到答案。

Answer 1

要选择列值等于标量的行some_value，请使用==：

df.loc[df['column_name'] == some_value]

要选择列值在可迭代中的行some_values，请使用isin：

df.loc[df['column_name'].isin(some_values)]

将多种条件与&：

df.loc[(df['column_name'] >= A) & (df['column_name'] <= B)]

请注意括号。由于Python的运算符优先级规则，&绑定比<=和更紧密>=。因此，最后一个例子中的括号是必要的。没有括号

df['column_name'] >= A & df['column_name'] <= B

被解析为

df['column_name'] >= (A & df['column_name']) <= B

这导致系列的真值是一个模糊的错误。

---

要选择列值不相等的行 some_value，请使用!=：

df.loc[df['column_name'] != some_value]

isin返回boolean系列，所以要选择行，其值是不是在some_values，否定使用布尔系列~：

df.loc[~df['column_name'].isin(some_values)]

---

例如，

import pandas as pd

import numpy as np

df = pd.DataFrame({'A': 'foo bar foo bar foo bar foo foo'.split(),

                   'B': 'one one two three two two one three'.split(),

                   'C': np.arange(8), 'D': np.arange(8) * 2})

print(df)

#      A      B  C   D

# 0  foo    one  0   0

# 1  bar    one  1   2

# 2  foo    two  2   4

# 3  bar  three  3   6

# 4  foo    two  4   8

# 5  bar    two  5  10

# 6  foo    one  6  12

# 7  foo  three  7  14

print(df.loc[df['A'] == 'foo'])

产量

     A      B  C   D

0  foo    one  0   0

2  foo    two  2   4

4  foo    two  4   8

6  foo    one  6  12

7  foo  three  7  14

如果您想要包含多个值，请将它们放在列表中（或者更常见的是，任何可迭代的）并使用isin：

print(df.loc[df['B'].isin(['one','three'])])

产量

     A      B  C   D

0  foo    one  0   0

1  bar    one  1   2

3  bar  three  3   6

6  foo    one  6  12

7  foo  three  7  14

但请注意，如果您希望多次执行此操作，则首先创建索引更有效，然后使用df.loc：

df = df.set_index(['B'])

print(df.loc['one'])

产量

       A  C   D

B              

one  foo  0   0

one  bar  1   2

one  foo  6  12

或者，要包含索引使用的多个值df.index.isin：

df.loc[df.index.isin(['one','two'])]

产量

       A  C   D

B              

one  foo  0   0

one  bar  1   2

two  foo  2   4

two  foo  4   8

two  bar  5  10

one  foo  6  12