Python多条件数据筛选：filter、pandas与循环实现对比
本文详解Python中实现多条件数据筛选的三种方法：内建filter函数、pandas库及普通循环。通过词性标注示例对比代码实现与运行结果，指出filter与pandas在速度上更具优势，适合高效处理结构化数据。
本文详细介绍如何利用Python实现针对目标数据的多条件筛选功能，供读者参考实践。
Python提供了多种数据过滤手段，既可直接调用内建函数，也可通过循环语句进行条件判断，或借助pandas库提升处理效率。以下通过具体案例展示不同实现方式。
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
假设变量a是一个包含元组的列表，每个元组由单词及其对应的词性标签组成。我们的目标是筛选出词性为JJ和NN的单词。实现这一目标主要有三种写法：
第一种方法：利用内建函数filter进行筛选。
# -*- coding:utf-8 -*-
#!python3
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
def filt_nn(data_text):
nn_data = filter(lambda x: x[1] == 'NN'or x[1] == 'JJ', data_text)
# print(list(nn_data))
return list(nn_data)
print(filt_nn(a))
执行上述代码后的输出结果如下：
[('chic', 'JJ'), ('menu', 'JJ'), ('doesnt', 'JJ'), ('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
第二种方法：引入pandas包进行数据处理。
# -*- coding:utf-8 -*-
#!python3
import pandas as pd
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
data = pd.DataFrame(a, columns=['word', 'ps'])
print(data[data.ps.isin(['JJ', 'NN'])].word)
运行该段代码后，控制台输出结果如下：
0 chic 2 menu 4 doesnt 5 scream 6 french 7 cuisine Name: word, dtype: object
第三种方法：使用传统的for循环语句进行遍历筛选。
# -*- coding:utf-8 -*-
#!python3
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
absd = []
for i in a:
if i[1] == 'NN' or i[1] == 'JJ':
absd.append(i[0])
print(absd)
尽管三种方法最终得到的数据一致，具体结果如下所示：
['chic', 'menu', 'doesnt', 'scream', 'french', 'cuisine']
虽然最终筛选结果相同，但建议优先采用第一种（filter）或第二种（pandas）方法，因为这两种方式在执行速度上通常更快。
如需了解更多Python相关知识，可查阅本站相关专题：《Python列表(list)操作技巧总结》、《Python字符串操作技巧汇总》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》。
希望本文提供的技术方案能对您的Python编程工作有所帮助。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
