案例 5: 数据过滤 - 使用条件过滤数据

知识点讲解

数据过滤是数据分析中的常见需求，它允许你基于一定条件从数据集中筛选出感兴趣的数据子集。

示例代码

基于单个条件过滤

# 筛选出某列值大于特定值的所有行
filtered_data = df[df['Column'] > 10]
print(filtered_data.head())

基于多个条件过滤

# 使用 & 运算符结合多个条件
filtered_data_multiple = df[(df['Column1'] > 10) & (df['Column2'] < 20)]
print(filtered_data_multiple.head())# 使用 | 运算符结合多个条件
filtered_data_or = df[(df['Column1'] > 10) | (df['Column2'] < 20)]
print(filtered_data_or.head())

使用 isin 方法过滤

# 筛选出列值在特定列表中的行
filtered_isin = df[df['Column'].isin([10, 20, 30])]
print(filtered_isin.head())

使用 query 方法过滤

# 使用 query 方法进行过滤
filtered_query = df.query('Column > 10')
print(filtered_query.head())

代码解释:

1. 使用布尔索引过滤满足条件的行。
2. & 和 | 运算符分别用于结合多个条件。
3. isin 方法用于检查列值是否在指定的列表中。
4. query 方法提供了一种更为灵活的方式来过滤数据。

通过这些过滤技巧，你可以轻松地从复杂的数据集中提取出有用的信息。