如何从具有多个复杂条件的 Pandas DataFrame 中高效选择数据？

从 Pandas.DataFrame 中使用复杂标准进行选择

数据操作任务中经常会出现具有多个条件的复杂选择标准。 Pandas 提供了有效处理这些场景的方法和习惯用法。

示例：

考虑以下 DataFrame：

import pandas as pd
from random import randint

df = pd.DataFrame({'A': [randint(1, 9) for x in range(10)],
                   'B': [randint(1, 9)*10 for x in range(10)],
                   'C': [randint(1, 9)*100 for x in range(10)]})

问题：

从“A”中选择值其中“B”对应的值大于 50，而“C”不等于 900。

解决方案：

我们可以应用列运算来获得布尔系列每个条件的对象：

df["B"] > 50
(df["B"] > 50) & (df["C"] != 900)

或等效地：

(df["B"] > 50) & ~(df["C"] == 900)

这些布尔系列可以用于索引到 DataFrame：

df["A"][(df["B"] > 50) & (df["C"] != 900)]

或者使用 .loc：

df.loc[(df["B"] > 50) & (df["C"] != 900), "A"]

注意：

对于写访问，建议使用.loc而不是链接索引，因为后者可能会产生视图而不是副本，从而导致潜在的问题。

以上是如何从具有多个复杂条件的 Pandas DataFrame 中高效选择数据？的详细内容。更多信息请关注PHP中文网其他相关文章！