pandas数据筛选和csv操作的实现方法


						1. 数据筛选





 a b c

0 0 2 4

1 6 8 10

2 12 14 16

3 18 20 22

4 24 26 28

5 30 32 34

6 36 38 40

7 42 44 46

8 48 50 52

9 54 56 58



（1）单条件筛选





df[df['a']>30]

# 如果想筛选a列的取值大于30的记录,但是之显示满足条件的b，c列的值可以这么写

df[['b','c']][df['a']>30]

# 使用isin函数根据特定值筛选记录。筛选a值等于30或者54的记录

df[df.a.isin([30, 54])]



（2）多条件筛选

可以使用&（并）与| （或）操作符或者特定的函数实现多条件筛选





# 使用&筛选a列的取值大于30，b列的取值大于40的记录

df[(df['a'] > 30) & (df['b'] > 40)]



（3）索引筛选

a. 切片操作

df[行索引，列索引]或df[[列名1，列名2]]





#使用切片操作选择特定的行

df[1:4]

#传入列名选择特定的列

df[['a','c']]



b. loc函数

当每列已有column name时，用 df [ ‘a' ] 就能选取出一整列数据。如果你知道column names 和index，且两者都很好输入，可以选择 .loc同时进行行列选择。





In [28]: df.loc[0,'c']

Out[28]: 4



In [29]: df.loc[1:4,['a','c']]

Out[29]:

 a c

1 6 10

2 12 16

3 18 22

4 24 28



In [30]: df.loc[[1,3,5],['a','c']]

Out[30]:

 a c

1 6 10

3 18 22

5 30 34



c. iloc函数

如果column name太长，输入不方便，或者index是一列时间序列，更不好输入，那就可以选择 .iloc了，该方法接受列名的index,iloc 使得我们可以对column使用slice（切片）的方法对数据进行选取。这边的 i 我觉得代表index，比较好记点。





In [35]: df.iloc[0,2]

Out[35]: 4



In [34]: df.iloc[1:4,[0,2]]

Out[34]:

 a c

1 6 10

2 12 16

3 18 22



In [36]: df.iloc[[1,3,5],[0,2]]

Out[36]:

 a c

1 6 10

3 18 22

5 30 34



In [38]: df.iloc[[1,3,5],0:2]

Out[38]:

 a b

1 6 8

3 18 20

5 30 32







d. ix函数

ix的功能更加强大，参数既可以是索引，也可以是名称，相当于，loc和iloc的合体。需要注意的是在使用的时候需要统一，在行选择时同时出现索引和名称， 同样在同行选择时同时出现索引和名称。





df.ix[1:3,['a','b']]

Out[41]:

 a b

1 6 8

2 12 14

3 18 20



In [42]: df.ix[[1,3,5],['a','b']]

Out[42]:

 a b

1 6 8

3 18 20

5 30 32



In [45]: df.ix[[1,3,5],[0,2]]

Out[45]:

 a c

1 6 10

3 18 22

5 30 34







e. at函数

根据指定行index及列label，快速定位DataFrame的元素，选择列时仅支持列名。





In [46]: df.at[3,'a']

Out[46]: 18



f. iat函数

与at的功能相同，只使用索引参数





In [49]: df.iat[3,0]

Out[49]: 18



2. csv操作

csv文件内容





Supplier Name,Invoice Number,Part Number,Cost,Purchase Date

Supplier X,001-1001,2341,$500.00 ,1/20/14

Supplier X,001-1001,2341,$500.00 ,1/20/14

Supplier X,001-1001,5467,$750.00 ,1/20/14

Supplier X,001-1001,5467,$750.00 ,1/20/14

Supplier Y,50-9501,7009,$250.00 ,1/30/14

Supplier Y,50-9501,7009,$250.00 ,1/30/14

Supplier Y,50-9505,6650,$125.00 ,2002/3/14

Supplier Y,50-9505,6650,$125.00 ,2002/3/14

Supplier Z,920-4803,3321,$615.00 ,2002/3/14

Supplier Z,920-4804,3321,$615.00 ,2002/10/14

Supplier Z,920-4805,3321,$615.00 ,2/17/14

Supplier Z,920-4806,3321,$615.00 ,2/24/14



（1）csv文件读写

关于read_csv函数中的参数说明参考博客：http://www.zwyuanma.com/article/164445.htm





import pandas as pd



# 读写csv文件

df = pd.read_csv("supplier_data.csv")

df.to_csv("supplier_data_write.csv",index=None)







（2）筛选特定的行





#Supplier Nmae列中姓名包含'Z'，或者Cost列中的值大于600

print(df[df["Supplier Name"].str.contains('Z')])

print(df[df['Cost'].str.strip('$').astype(float) > 600])

print(df.loc[(df["Supplier Name"].str.contains('Z'))|(df['Cost'].str.strip('$').astype(float) > 600.0),:])



#行中的值属于某个集合

li = [2341,6650]

print(df[df['Part Number'].isin(li)])

print(df.loc[df['Part Number'].astype(int).isin(li),:])



#行中的值匹配某个模式

print(df[df['Invoice Number'].str.startswith("001-")])







 （3）选取特定的列





#选取特定的列

#列索引值,打印1，3列

print(df.iloc[:,1:4:2])

#列标题打印

print(df.loc[:,["Invoice Number", "Part Number"]])

#选取连续的行

print(df.loc[1:4,:])



以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持中文源码网。