如何根据列值高效地选择 Pandas DataFrame 中的行？

根据 Pandas 中的列值选择行

与任何关系数据库一样，您可能需要根据特定列中的值从 DataFrame 中选择某些行。要在 Pandas 中无缝实现此目的，您可以使用多种方法。

使用 == 和 isin 进行过滤

要检索列值与特定值匹配的行，请利用 == 运算符：

df.loc[df['column_name'] == some_value]

相反，如果您希望选择列值属于值集合的行，请使用isin:

df.loc[df['column_name'].isin(some_values)]

用 & 组合条件

要组合您选择的多个条件，请用 & 连接它们:

df.loc[(df['column_name'] >= A) & (df['column_name'] <= B)]

注意： 此处的括号对于确保正确评估至关重要。

排除带有 != 和 的值~

要排除具有特定列值的行，请使用 !=:

df.loc[df['column_name'] != some_value]

或者，对于特定范围之外的值，使用 ~:

df = df.loc[~df['column_name'].isin(some_values)] # .loc is not in-place replacement

否定 isin 结果

示例应用程序

考虑以下内容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)

选择“A”值为“foo”的行：

print(df.loc[df['A'] == 'foo'])

选择“B”值为“一”或“三”的行：

print(df.loc[df['B'].isin(['one','three'])])

通过索引增强性能

对于频繁的过滤操作，它更首先创建索引是高效的：

df = df.set_index(['B'])
print(df.loc['one'])

或者，使用 df.index.isin:

df.loc[df.index.isin(['one','two'])]

以上是如何根据列值高效地选择 Pandas DataFrame 中的行？的详细内容。更多信息请关注PHP中文网其他相关文章！