如何根据 Pandas 中某列中的值从 DataFrame 中选择行?
在 SQL 中,我会使用:
SELECT *
FROM table
WHERE column_name = some_value
最佳答案
要选择列值等于标量的行,some_value
, 使用 ==
:
df.loc[df['column_name'] == some_value]
要选择列值在可迭代中的行,some_values
, 使用 isin
:
df.loc[df['column_name'].isin(some_values)]
将多个条件与 &
结合起来:
df.loc[(df['column_name'] >= A) & (df['column_name'] <= B)]
注意括号。由于 Python 的 operator precedence rules , &
比 <=
更紧密地结合和 >=
.因此,最后一个示例中的括号是必要的。没有括号
df['column_name'] >= A & df['column_name'] <= B
被解析为
df['column_name'] >= (A & df['column_name']) <= B
导致 Truth value of a Series is ambiguous error .
选择列值不等于的行 some_value
, 使用 !=
:
df.loc[df['column_name'] != some_value]
isin
返回一个 bool 系列,因此在 some_values
中选择值为 not 的行, 使用 ~
否定 bool 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
如果您要包含多个值,请将它们放在一个
列出(或更一般地,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,则更有效的是
先做一个索引,然后用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,要包含索引中的多个值,请使用 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
关于python - 如何根据列值从 DataFrame 中选择行?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17071871/