pandas是Python數(shù)據(jù)分析必備工具，它有強(qiáng)大的數(shù)據(jù)清洗能力，往往能用非常少的代碼實(shí)現(xiàn)較復(fù)雜的數(shù)據(jù)處理

今天，總結(jié)了pandas篩選數(shù)據(jù)的15個(gè)常用技巧，主要包括5個(gè)知識(shí)點(diǎn)：

比較運(yùn)算：==、《、》、》=、《=、！=

范圍運(yùn)算：between（left，right）

字符篩選：str.contains（pattern或字符串，na=False）

邏輯運(yùn)算：&（與）、|（或）、not（取反）

比較函數(shù)：eq， ne， le， lt， ge， gt（相當(dāng)于==，=！，《=，《，》=，》）

apply和isin函數(shù)

”下面以超市運(yùn)營(yíng)數(shù)據(jù)為例，給大家逐個(gè)講解首先讀取數(shù)據(jù)：

import pandas as pd

data=pd.read_excel（‘超市運(yùn)營(yíng)數(shù)據(jù)模板.xlsx’）

data

先看一下各列的數(shù)據(jù)類(lèi)型：

data.dtypes

商品ID int64

類(lèi)別ID int64

門(mén)店編號(hào) object

單價(jià) float64

銷(xiāo)量 float64

訂單ID object

日期 datetime64［ns］

時(shí)間 object

dtype： object

下面以實(shí)際應(yīng)用場(chǎng)景為例開(kāi)始講解：

1.篩選門(mén)店編號(hào)為‘CDXL’的運(yùn)營(yíng)數(shù)據(jù)①第一種方法，用比較運(yùn)算符‘==’：

data［data.門(mén)店編號(hào)==‘CDXL’］

②第二種方法，用比較函數(shù)‘eq’：

data［data［‘門(mén)店編號(hào)’］.eq（‘CDXL’）］

2.篩選單價(jià)小于等于10元的運(yùn)營(yíng)數(shù)據(jù)③第一種方法，用比較運(yùn)算符‘《=’：

data［data.單價(jià)《=10］

④第二種方法，用比較函數(shù)‘le’：

data［data［‘單價(jià)’］.le（10）］

3.篩選銷(xiāo)量大于2000的運(yùn)營(yíng)數(shù)據(jù)⑤第一種方法，用比較運(yùn)算符‘》=’：

data［data.銷(xiāo)量》2］

⑥第二種方法，用比較函數(shù)‘ge’：

data［data［‘銷(xiāo)量’］.ge（2）］

4.篩選除門(mén)店‘CDXL’外的運(yùn)營(yíng)數(shù)據(jù)⑦第一種方法，用比較運(yùn)算符‘！=’：

data［data.門(mén)店編號(hào)！=‘CDXL’］

⑧第二種方法，用比較函數(shù)‘ne’：

data［data［‘門(mén)店編號(hào)’］.ne（‘CDXL’）］

5.篩選2020年5月的運(yùn)營(yíng)數(shù)據(jù)首先將日期格式化：

data［‘日期’］=data［“日期”］.values.astype（‘datetime64’） #如果已為日期格式則此步驟可省略

data［‘日期’］

import datetime

s_date = datetime.datetime.strptime（‘2020-04-30’， ‘%Y-%m-%d’）.date（） #起始日期

e_date = datetime.datetime.strptime（‘2020-06-01’， ‘%Y-%m-%d’）.date（） #結(jié)束日期

⑨第一種方法，用邏輯運(yùn)算符號(hào)‘》’ ‘《’和‘&’：

Pandasdatetime64［ns］不能直接與datetime.date相比，需要用pd.Timestamp進(jìn)行轉(zhuǎn)化

data［（data.日期》pd.Timestamp（s_date））&（data.日期《pd.Timestamp（e_date））］

⑩第二種，用比較函數(shù)‘gt’‘lt’和‘&’：

data［（data［‘日期’］.lt（pd.Timestamp（e_date）））&（data［‘日期’］.gt（pd.Timestamp（s_date）））］

?第三種，用apply函數(shù)實(shí)現(xiàn)：

id_a=data.日期.apply（lambda x： x.year ==2020 and x.month==5）

data［id_a］

?第四種，用between函數(shù)實(shí)現(xiàn)：

id_b=data.日期.between（pd.Timestamp（s_date），pd.Timestamp（e_date））

data［id_b］

6.篩選“類(lèi)別ID”包含‘000’的數(shù)據(jù)?第一種，用contains函數(shù)：

data［‘類(lèi)別ID’］=data［‘類(lèi)別ID’］.values.astype（‘str’） #將該列轉(zhuǎn)換為字符數(shù)據(jù)類(lèi)型

id_c=data.類(lèi)別ID.str.contains（‘000’，na=False）

data［id_c］

?第二種，用isin函數(shù)：

id_i=data.類(lèi)別ID.isin（［‘000’］） #接受一個(gè)列表

data［id_i］

很遺憾，isin函數(shù)搞不定，因?yàn)樗荒芘袛嘣摿兄性厥欠裨诹斜碇?/p>

7.篩選商品ID以“301”開(kāi)頭的運(yùn)營(yíng)數(shù)據(jù)?需要用contains函數(shù)結(jié)合正則表達(dá)式使用：

data［‘商品ID’］=data［‘商品ID’］.values.astype（‘str’） #將該列轉(zhuǎn)換為字符數(shù)據(jù)類(lèi)型

id_c2=data.商品ID.str.contains（‘301d{5}’，na=False）

data［id_c2］

為了方便大家學(xué)習(xí)，我已經(jīng)將本文數(shù)據(jù)及代碼打包好，請(qǐng)關(guān)注 數(shù)據(jù)分析與開(kāi)發(fā) 公眾號(hào)在后臺(tái)回復(fù)關(guān)鍵字：篩選數(shù)據(jù) 獲取。

原文標(biāo)題：一次性總結(jié)了pandas提取數(shù)據(jù)的15種方法，統(tǒng)統(tǒng)只需1行代碼！

文章出處：【微信公眾號(hào)：數(shù)據(jù)分析與開(kāi)發(fā)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq