如何根据 Pandas 中的列值划分 DataFrame？

Pandas：根据列值划分 DataFrame

使用 Pandas DataFrame 时，需要根据列值将数据拆分为子集特定的列值。一种常见的场景是根据阈值拆分 DataFrame。实现方法如下：

创建布尔掩码

最简单的方法涉及使用比较运算符创建布尔掩码。通过将掩码应用于 DataFrame，您可以创建两个 DataFrame，其数据满足掩码设置的条件。

例如，按名为“Sales”的列拆分 DataFrame，其中销售额小于和大于或等于指定阈值 's'：

<code class="python">import pandas as pd

df = pd.DataFrame({'Sales':[10,20,30,40,50], 'A':[3,4,7,6,1]})
print(df)

s = 30

# Boolean mask for rows where Sales >= s
sales_ge_mask = df['Sales'] >= s

# DataFrame with Sales >= s
df1 = df[sales_ge_mask]
print(df1)

# Boolean mask for rows where Sales < s
sales_lt_mask = df['Sales'] < s

# DataFrame with Sales < s
df2 = df[sales_lt_mask]
print(df2)

您可以使用“~”运算符反转掩码，以根据条件的否定来拆分 DataFrame。

<code class="python"># Boolean mask for rows where Sales < s
sales_lt_mask = df['Sales'] < s

# DataFrame with Sales >= s
df1 = df[~sales_lt_mask]
print(df1)

# DataFrame with Sales < s
df2 = df[sales_lt_mask]
print(df2)</code>

此方法根据定制条件有效地创建 DataFrame 子集。

以上是如何根据 Pandas 中的列值划分 DataFrame？的详细内容。更多信息请关注PHP中文网其他相关文章！