Python中怎么利用pandas實現按條件選擇

Python中怎么利用pandas實現按條件選擇

在數據分析和處理中，pandas 是一個非常強大的 Python 庫。它提供了豐富的數據結構和函數，使得數據的操作變得簡單而高效。在實際應用中，我們經常需要根據某些條件從數據集中篩選出符合要求的行或列。本文將詳細介紹如何在 pandas 中利用條件選擇數據。

1. 基本條件選擇

pandas 提供了多種方法來實現按條件選擇數據。最基本的方式是使用布爾索引（Boolean Indexing）。布爾索引是通過一個布爾數組來選擇數據的方法。

1.1 布爾索引

假設我們有一個 DataFrame df，其中包含以下數據：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'],
    'Age': [24, 27, 22, 32, 29],
    'Gender': ['F', 'M', 'M', 'M', 'F']
}

df = pd.DataFrame(data)

如果我們想要選擇年齡大于 25 的所有行，可以使用以下代碼：

df_filtered = df[df['Age'] > 25]
print(df_filtered)

輸出結果為：

    Name  Age Gender
1    Bob   27      M
3  David   32      M
4    Eva   29      F

1.2 多條件選擇

在實際應用中，我們可能需要根據多個條件來選擇數據。pandas 支持使用邏輯運算符 &（與）、|（或）和 ~（非）來組合多個條件。

例如，我們想要選擇年齡大于 25 且性別為女性的行：

df_filtered = df[(df['Age'] > 25) & (df['Gender'] == 'F')]
print(df_filtered)

輸出結果為：

  Name  Age Gender
4  Eva   29      F

1.3 使用 query 方法

pandas 還提供了一個 query 方法，可以通過字符串表達式來篩選數據。這種方法在某些情況下更加簡潔。

例如，我們可以使用 query 方法來實現與上面相同的篩選：

df_filtered = df.query('Age > 25 and Gender == "F"')
print(df_filtered)

輸出結果與之前相同：

  Name  Age Gender
4  Eva   29      F

2. 按列選擇

除了按行選擇數據，我們還可以按列選擇數據。pandas 提供了多種方法來選擇特定的列。

2.1 選擇單列

要選擇 DataFrame 中的某一列，可以使用列名作為索引：

ages = df['Age']
print(ages)

輸出結果為：

0    24
1    27
2    22
3    32
4    29
Name: Age, dtype: int64

2.2 選擇多列

要選擇多列，可以將列名放在一個列表中：

subset = df[['Name', 'Age']]
print(subset)

輸出結果為：

      Name  Age
0    Alice   24
1      Bob   27
2  Charlie   22
3    David   32
4      Eva   29

2.3 按條件選擇列

有時我們需要根據某些條件來選擇列。例如，選擇所有數值類型的列：

numeric_columns = df.select_dtypes(include=['number'])
print(numeric_columns)

輸出結果為：

   Age
0   24
1   27
2   22
3   32
4   29

3. 復雜條件選擇

在實際應用中，我們可能會遇到更復雜的條件選擇需求。pandas 提供了多種方法來處理這些情況。

3.1 使用 isin 方法

isin 方法可以用來篩選出列中值在某個列表中的行。例如，我們想要選擇名字為 Alice 或 Bob 的行：

df_filtered = df[df['Name'].isin(['Alice', 'Bob'])]
print(df_filtered)

輸出結果為：

    Name  Age Gender
0  Alice   24      F
1    Bob   27      M

3.2 使用 apply 方法

apply 方法可以對 DataFrame 的每一行或每一列應用一個函數。我們可以利用 apply 方法來實現更復雜的條件選擇。

例如，我們想要選擇名字長度大于 5 的行：

df_filtered = df[df['Name'].apply(lambda x: len(x) > 5)]
print(df_filtered)

輸出結果為：

      Name  Age Gender
2  Charlie   22      M
3    David   32      M

3.3 使用 loc 和 iloc

loc 和 iloc 是 pandas 中用于基于標簽和位置選擇數據的方法。loc 主要用于基于標簽的選擇，而 iloc 主要用于基于位置的選擇。

例如，我們想要選擇前兩行和前兩列：

subset = df.iloc[:2, :2]
print(subset)

輸出結果為：

    Name  Age
0  Alice   24
1    Bob   27

4. 總結

在 pandas 中，按條件選擇數據是非常常見的操作。本文介紹了多種方法來實現這一目標，包括布爾索引、多條件選擇、query 方法、按列選擇、復雜條件選擇以及 loc 和 iloc 的使用。掌握這些方法可以幫助我們更高效地處理和分析數據。

通過靈活運用這些方法，我們可以輕松地從數據集中提取出符合特定條件的子集，從而為后續的數據分析和建模打下堅實的基礎。