Python使用Pandas筛选Excel特定行与列的实战指南

前言

Pandas loc函数基础与行筛选示例

在进行数据分析时，我们通常不会直接对整个Excel文件进行操作，而是将每一列视为一个特征进行针对性分析。面对此类需求，我们往往需要提取某一列中符合特定条件的所有数据，并将其整理为独立文件以便进一步分析。例如，我们需要找出某列中所有大于100的行，或者提取包含特定字母的行。本文将介绍实现这一目标的具体方法。

在此之前，我们先介绍Pandas库中的一个核心函数：loc()。

官方英文解释为：Purely label-location based indexer for selection by label.（纯基于标签位置的索引器，用于通过标签进行选择。）

.loc[] 主要基于标签进行索引，但也可以接受布尔数组作为参数。

通俗来说，它是一个标签索引器。

了解了该函数的具体用法（见下文两个示例），我们就可以轻松选择所需的行。

问题一：我们需要提取“behavior_type”列中值为3或4的所有行。

import pandas as pd
import numpy as np

import csv

for df in pd.read_csv(open(r'C:\Users\yang\Desktop\useer.csv','r'),chunksize=10000): 
 print(df.loc[df['behavior_type']>1,:])

从这段代码可以看出，.loc() 前面的部分是整个索引目标，括号内则是索引标签（参考loc英文解释的第二句，它支持布尔型索引）。通过这样简洁的代码，即可输出所有值为3或4的行。冒号表示从第一行到最后一行全部选取。

  print(df.loc[df['behavior_type'].isin([3,4]),:]) 

注意，这里的 isin([ ]) 既包含小括号也包含中括号，表示集合形式。

我们也可以利用 isin 来替代大于号，其原理相同：该标签下所有值为3或4的集合生成布尔数组，随后进行索引。

  print(df[df['behavior_type'].isin([3,4])])

提到 isin，我们发现还有一个更简单的方法，即直接索引。

问题二：我们需要提取“user_geohash”列中包含字母‘qo’的所有行。

print(df.loc[df['user_geohash'].str.contains('qo')])

想必你已经想到了，利用 loc 即可实现，只需在后面加上字符串 str.contains() 函数。

至此，上述问题均已解决。那么，如果我们想要索取特定的行或特定的列，该怎么做呢？

DataFrame列选取与切片操作

没问题，让我们继续深入探讨 loc 函数的用法。

假设 df 是一个 DataFrame，其列名分别为 A、B、C、D。

具体数据如下：

A B C D 0 ss 小红 8 1 aa 小明 d 4 f f 6 ak 小紫 7

DataFrame 中的属性是不固定的，空值默认显示为 NA。

一、选取标签为 A 和 C 的列，且选取后的类型仍为 DataFrame。

df = df.loc[:, ['A', 'C']]
df = df.iloc[:, [0, 2]]

二、选取标签为 C 且仅取前两行，选取后的类型仍为 DataFrame。

df = df.loc[0:2, ['A', 'C']] 
df = df.iloc[0:2, [0, 2]] 

聪明的你是否已经掌握了 loc 的用法？

总结

到此为止，关于利用 Python3 筛选 Excel 中特定行（行值满足某个条件或属于某个集合）的介绍就结束了。更多关于 Python3 筛选 Excel 特定行的内容，请搜索本站以前的文章或继续浏览下面的相关文章。希望大家以后多多支持本站！