Python Pandas Dataframe条件筛选与遍历方法详解

一、条件筛选

在使用Pandas处理Dataframe数据时，筛选符合特定条件的数据是常见操作。本文将具体介绍几种常用的筛选方式。

假设存在如下示例Dataframe：

进行单条件筛选，例如查询gender字段值为"woman"的记录：

df[df["gender"]=="woman"]
# 或
df.loc[df["gender"]=="woman"]

利用isin()函数进行筛选，例如查询age字段值为24或28的记录：

df[df["age"].isin([24,28])]

当需要同时满足多个过滤条件时，可以结合逻辑操作符&和|使用，具体示例如下。

例如：查询gender为"woman"且city为"shanghai"的数据：

df[(df["gender"]=="woman") & (df["city"]=="shanghai")]

或者查询age大于25或者gender为"woman"的数据：

df[(df["age"]>25) | (df["gender"]=="woman")]

注意：使用逻辑操作符连接多个过滤条件时，每个条件必须用圆括号()包裹，否则可能导致报错或筛选无效。

使用波浪线符~可以获取指定条件的相反数据，例如查询city不为"beijing"的记录：

df[~(df["city"]=="beijing")]

二、Dataframe数据遍历

for...in...语句

由于Dataframe对象是可迭代的，因此可以使用for...in...语句进行遍历。需要注意的是，直接遍历Dataframe默认返回的是列名，示例如下：

for i in df:
    print(i)

运行结果输出如下：

若需遍历Dataframe的行数据，可采用以下方法：

iteritems()方法

iteritems()方法按列进行遍历，返回的结果为(列名, 值)形式的键值对：

for column, value in df.iteritems():
    print(column)
    print(value)

iterrows()方法

iterrows()方法按行进行遍历，返回的结果为(索引, 行数据)形式的键值对：

for index, row in df.iterrows():
    print(index)
    print(row)

itertuples()方法

itertuples()方法以namedtuples的形式遍历每一行，将每行数据作为一个命名元组输出：

for row in df.itertuples():
    print(row)

以上就是关于Python数据分析中Pandas Dataframe条件筛选与遍历的详细介绍，更多相关Pandas Dataframe遍历内容可参考本站往期文章或继续浏览后续内容，感谢支持！