在 Pandas DataFrame 中過濾資料

1. 基於單一條件過濾 Pandas DataFrame 中的資料
2. 根據多個條件過濾 Pandas DataFrame 中的資料
3. 根據多列值過濾 Pandas DataFrame 中的資料

本教程將演示基於單個或多個條件過濾 Pandas DataFrame 中的資料。

布林索引意味著選擇資料子集或根據某些條件過濾資料。我們處理 DataFrame 中資料的實際值，而不是它們的行或列標籤或整數位置。

布林向量用於過濾布林索引中的資料。括號可用於對涉及運算子的多個條件進行分組，例如| (OR)、& (AND)、== (EQUAL) 和 ~ (NOT)。

基於單一條件過濾 Pandas DataFrame 中的資料

我們可以通過應用單個條件來使用單個列的值過濾資料。

在下面的程式碼中，我們有學生的資料，我們通過將單個條件應用於 Department 值來過濾記錄。只有那些係為 CS 的學生的記錄才會顯示。

示例程式碼：

#Python 3.x
import pandas as pd
df=pd.read_csv('Student.csv')
display(df)
df_filtered = df[(df['Department']=='CS')]
display(df_filtered)

輸出：

根據多個條件過濾 Pandas DataFrame 中的資料

在某些情況下，我們還可以應用多個條件從單個列中選擇資料。

如果我們只想顯示那些分數大於 60 但小於 90 的學生的記錄，我們將使用由 & 運算子連線的多個條件。

要記住的重要一點是分別使用運算子&、|、~而不是 AND、OR、NOT。

示例程式碼：

#Python 3.x
import pandas as pd
df=pd.read_csv('Student.csv')
display(df)
df_filtered = df[(df['Marks']>60)& (df['Marks']<90)]
display(df_filtered)

輸出：

根據多列值過濾 Pandas DataFrame 中的資料

我們還可以使用基於多列值的條件過濾資料。

在下面的程式碼中，我們過濾了記錄，只顯示部門為 EE 且標記高於或等於 80 的記錄。我們使用括號對多個條件進行分組。

每當我們過濾來自多個列的資料時，我們總是應用多個條件。

示例程式碼：

#Python 3.x
import pandas as pd
df=pd.read_csv('Student.csv')
display(df)
df_filtered = df[(df['Department']=='EE')& (df['Marks']>=80)]
display(df_filtered)

輸出：