本文共 1133 字，大约阅读时间需要 3 分钟。

pandas 数据框筛选 conditions

在 pandas 中，数据框的筛选操作是数据分析中常用的功能之一。通过合理使用 query() 函数，可以快速筛选出满足特定条件的数据行。以下将详细介绍相关操作方法，并通过实例展示其应用。

创建数据框

首先，我们需要创建一个包含必要数据的数据框。以下代码示范展示了如何构建包含两列数据的数据框：

import pandas as pd
# 创建数据框
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': ['a', 'b', 'c', 'd', 'e']
})

基于条件筛选数据行

使用 query() 函数可以根据特定条件筛选数据行。以下示例展示了如何筛选 A 列值大于 2 的数据行：

# 筛选 A 列值大于 2 的数据行
condition_data = df.query('A > 2')
# 查看筛选结果
print(condition_data)

输出结果

执行上述代码后，输出结果如下：

A B
3  4  d
4  5  e

选择特定列

在筛选出满足条件的数据行后，可以选择特定列进行操作。以下示例展示了如何仅选择 B 列的数据：

# 仅选择满足条件的数据行的 B 列
condition_data = df.query('A > 2')['B']
# 查看筛选结果
print(condition_data)

输出结果

执行上述代码后，输出结果如下：

3    d
4    e
Name: B, dtype: object

测试用例验证

为了确保 query() 函数的正确性，可以通过以下测试用例进行验证：

# 创建数据框
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': ['a', 'b', 'c', 'd', 'e']
})
# 验证筛选结果
assert df.query('A > 2').equals(
    pd.DataFrame({
        'A': [3, 4, 5],
        'B': ['c', 'd', 'e']
    })
)

复杂条件查询

在实际应用场景中，可能需要对数据框进行更复杂的条件查询。以下是一些常用的方法：

通过合理运用以上方法，可以对数据框进行更精准和灵活的筛选操作，满足不同场景的需求。

转载地址：http://tnvfk.baihongyu.com/