Pandas DataFrame：如何在多个条件下选择行

Pandas

如何在多个条件下选择行

在数据分析和处理中，我们经常需要根据多个条件来选择和筛选数据。在Pandas中，我们可以使用DataFrame来处理和操作数据，并且它提供了多种方法来选择满足多个条件的行。

选择满足多个条件的行

要选择满足多个条件的行，我们可以使用逻辑运算符（如与、或、非）来组合多个条件。下面是一个示例代码，演示了如何选择满足两个条件的行：

Python
import Pandas as pd
# 创建一个DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [25, 28, 30, 22],
        'City': ['New York', 'Chicago', 'Los Angeles', 'San Francisco']}
df = pd.DataFrame(data)
# 选择年龄大于25并且城市为纽约的行
selected_rows = df[(df['Age'] > 25) & (df['City'] == 'New York')]
print(selected_rows)

在上面的代码中，我们首先创建了一个包含姓名、年龄和城市的DataFrame。然后，我们使用逻辑运算符&来组合两个条件，即年龄大于25并且城市为纽约。最后，我们使用选定的行来创建一个新的DataFrame，并打印结果。

选择满足任意一个条件的行

除了选择满足多个条件的行，有时我们也需要选择满足任意一个条件的行。在Pandas中，我们可以使用逻辑运算符|来实现这一点。下面是一个示例代码，演示了如何选择满足任意一个条件的行：

Python
import Pandas as pd
# 创建一个DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [25, 28, 30, 22],
        'City': ['New York', 'Chicago', 'Los Angeles', 'San Francisco']}
df = pd.DataFrame(data)
# 选择年龄大于25或者城市为纽约的行
selected_rows = df[(df['Age'] > 25) | (df['City'] == 'New York')]
print(selected_rows)

在上面的代码中，我们使用逻辑运算符|来组合两个条件，即年龄大于25或者城市为纽约。最后，我们使用选定的行来创建一个新的DataFrame，并打印结果。

选择不满足条件的行

除了选择满足条件的行，有时我们也需要选择不满足条件的行。在Pandas中，我们可以使用逻辑运算符~来实现这一点。下面是一个示例代码，演示了如何选择不满足条件的行：

Python
import Pandas as pd
# 创建一个DataFrame
data = {'Name': ['Tom', 'Nick', 'John', 'Amy'],
        'Age': [25, 28, 30, 22],
        'City': ['New York', 'Chicago', 'Los Angeles', 'San Francisco']}
df = pd.DataFrame(data)
# 选择年龄不大于25的行
selected_rows = df[~(df['Age'] > 25)]
print(selected_rows)

在上面的代码中，我们使用逻辑运算符~来取反条件，即选择年龄不大于25的行。最后，我们使用选定的行来创建一个新的DataFrame，并打印结果。

在本文中，我们介绍了如何在多个条件下选择行。我们使用Pandas的DataFrame来处理和操作数据，并展示了如何选择满足多个条件、满足任意一个条件以及不满足条件的行。这些方法为我们在数据分析和处理中提供了灵活而强大的工具，帮助我们更好地理解和利用数据。

希望本文对你有所帮助，谢谢阅读！