


Bagaimanakah Saya Boleh Memilih Baris dengan Cekap dalam Bingkai Data Pandas Berdasarkan Nilai Lajur?
Memilih Baris Berdasarkan Nilai Lajur dalam Panda
Seperti mana-mana pangkalan data hubungan, anda mungkin perlu memilih baris tertentu daripada DataFrame berdasarkan nilai dalam lajur tertentu. Untuk mencapai ini dengan lancar dalam Pandas, terdapat beberapa kaedah yang boleh anda gunakan.
Menapis dengan == dan isin
Untuk mendapatkan semula baris yang nilai lajurnya sepadan dengan nilai tertentu, manfaatkan operator ==:
df.loc[df['column_name'] == some_value]
Sebaliknya, jika anda ingin memilih baris yang nilai lajur tergolong dalam koleksi nilai, gunakan isin:
df.loc[df['column_name'].isin(some_values)]
Menggabungkan Syarat dengan &
Untuk menggabungkan berbilang syarat dalam pilihan anda, sambungkannya dengan &:
df.loc[(df['column_name'] >= A) & (df['column_name'] <= B)]
Nota: Tanda kurung adalah penting di sini untuk memastikan penilaian yang betul.
Tidak Termasuk Nilai dengan != dan ~
Untuk mengecualikan baris dengan nilai lajur tertentu, gunakan !=:
df.loc[df['column_name'] != some_value]
Sebagai alternatif, untuk nilai di luar julat tertentu, tolakkan hasil isin menggunakan ~:
df = df.loc[~df['column_name'].isin(some_values)] # .loc is not in-place replacement
Contoh Aplikasi
Pertimbangkan perkara berikut DataFrame:
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)
Memilih baris dengan nilai 'A' 'foo':
print(df.loc[df['A'] == 'foo'])
Memilih baris dengan nilai 'B' 'satu' atau 'tiga':
print(df.loc[df['B'].isin(['one','three'])])
Prestasi Dipertingkat dengan Pengindeksan
Untuk penapisan yang kerap operasi, adalah lebih cekap untuk mencipta indeks dahulu:
df = df.set_index(['B']) print(df.loc['one'])
Sebagai alternatif, gunakan df.index.isin:
df.loc[df.index.isin(['one','two'])]
Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Memilih Baris dengan Cekap dalam Bingkai Data Pandas Berdasarkan Nilai Lajur?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.
