在上篇教程中,我们介绍了pandas的安装、数据的导入与导出以及删除行列的操作。这次让我们一起研究下在pandas中如何根据指定的条件查找表中数据。
1. 数据准备
这次,我们使用一张学生成绩表。还是老样子,保存以下内容到文件“期末成绩表.csv”中。
学号,性别,语文,数学,英语
2301001,女,98,76,69
2301002,女,92,78,83
2301003,男,62,85,87
2301004,男,99,73,69
2301005,女,69,64,60
2301006,女,67,95,84
2301007,男,65,83,79
2301008,男,74,93,92
2301009,男,72,98,82
2301010,女,71,84,92
2301011,女,63,67,92
2301012,男,78,97,91
2301013,男,75,79,83
2301014,女,75,91,90
2301015,女,93,92,78
2301016,女,98,82,79
2301017,男,74,96,79
2301018,男,65,60,80
在处理数据前,大致了解下这张表的内容:这张表共保存了18位学生的成绩信息。第一列是学生的学号,取值从2301001到2301018;第二列是学生的性别,取值为“男”或“女”;最后三列分别是学生的语文、数学和英语成绩。
2. 导入数据和查看
首先,我们从csv文件中加载数据,并导入为DataFrame:
import pandas as pd
df = pd.read_csv('期末成绩.csv')
希望你还没有忘记,我们首先导入pandas库,并通过别名pd使用这个库;之后通过read_csv
从文件“期末成绩.csv”中导入数据。现在,变量df保存的就是这张表。
此时如果使用print(df)
查看,输出如下:
学号 性别 语文 数学 英语
0 2301001 女 98 76 69
1 2301002 女 92 78 83
2 2301003 男 62 85 87
3 2301004 男 99 73 69
4 2301005 女 69 64 60
5 2301006 女 67 95 84
6 2301007 男 65 83 79
7 2301008 男 74 93 92
8 2301009 男 72 98 82
9 2301010 女 71 84 92
10 2301011 女 63 67 92
11 2301012 男 78 97 91
12 2301013 男 75 79 83
13 2301014 女 75 91 90
14 2301015 女 93 92 78
15 2301016 女 98 82 79
16 2301017 男 74 96 79
17 2301018 男 65 60 80
相信你对输出结果应该不会感到意外了吧。上次提到过,最左边的一列是pandas默认添加的行号,但其实在pandas中这一列有更正式的名字——索引,英文名为index. 以后你会了解到,索引不一定是从0开始的整数,我们还可以自行指定其它类型的索引。
导入一张表后,我们可以查看其索引信息:
df.index
输出为:
RangeIndex(start=0, stop=18, step=1)
这里的输出表示索引从0开始(start=0),一直到18但不包括18自身(stop=18),每次间隔1(step). 这种表示方法和Python中的列表切片是一致的,与前面输出中的索引为0~17也是一致的。
类似地,我们也可以查看其列信息:
df.columns
输出为:
Index(['学号', '性别', '语文', '数学', '英语'], dtype='object')
通常,我们处理的表会是一张很大的表,没办法一次性全部查看。此时,我们可以找几行看看,例如表的开头5行或最后3行,pandas提供了相应的功能:
df.head(5) # 查看前5行
df.tail(3) # 查看后3行
3. 按列查找
在pandas中,可以通过列名查找某个列,例如查找“性别”这一列:
df['性别']
输出为:
0 女
1 女
2 男
3 男
4 女
5 女
6 男
7 男
8 男
9 女
10 女
11 男
12 男
13 女
14 女
15 女
16 男
17 男
第一列是索引,第二列则是“性别”这一列。
如果需要查找多列呢?我们可以传入一个列表,例如查找“性别”和“学号”这两列:
df[['性别', '学号']]
输出为:
性别 学号
0 女 2301001
1 女 2301002
2 男 2301003
3 男 2301004
4 女 2301005
5 女 2301006
6 男 2301007
7 男 2301008
8 男 2301009
9 女 2301010
10 女 2301011
11 男 2301012
12 男 2301013
13 女 2301014
14 女 2301015
15 女 2301016
16 男 2301017
17 男 2301018
4. 按行查找
如果需要查找某些行呢?这时可以通过索引操作。例如选择索引为2,3,4的行:
df[2:5]
但是很遗憾,如果只需要索引为2的行,不能直接写作df[2]
, 需要写作df[2:3]
. 我不想对此多做解释,因为这种用法并不常见,多数情况下,我们需要根据表的内容进行选择,例如“找出表中语文成绩高于90的所有行”。
前面提到过,df['语文']可以选择“语文”这一列,其输出为:
0 98
1 92
2 62
3 99
4 69
5 67
6 65
7 74
8 72
9 71
10 63
11 78
12 75
13 75
14 93
15 98
16 74
17 65
Name: 语文, dtype: int64
以下语句:
df['语文'] > 90
的输出为:
0 True
1 True
2 False
3 True
4 False
5 False
6 False
7 False
8 False
9 False
10 False
11 False
12 False
13 False
14 True
15 True
16 False
17 False
Name: 语文, dtype: bool
看出二者有什么差别了吗?如果上面的某一行成绩大于90,那么下面的对应行取值为True; 否则为False. 例如,第0行的语文成绩是98,显然是大于90的,因此下面的第0行取值为True;而第2行的语文成绩是62,显然是不大于90的,因此下面的第2行取值为False.
类似于df['语文'] > 90
这种表达式得到的结果,可以用来选择表中的某些行:只有取值为True的那些行会被选择。例如:
df[df['语文'] > 90]
输出为:
学号 性别 语文 数学 英语
0 2301001 女 98 76 69
1 2301002 女 92 78 83
3 2301004 男 99 73 69
14 2301015 女 93 92 78
15 2301016 女 98 82 79
可以看到,只有语文成绩高于90的行才会被选择。
我们还可以将多个条件连接起来,使用&
表示两个条件都需要满足,使用|
表示两个条件至少满足其中一个。下面举几个例子:
例1
选择语文成绩高于90且数学成绩高于80的所有行:
condition = (df['语文'] > 90) & (df['数学'] > 85)
df[condition]
例2
选择英语成绩不高于90或数学成绩高于75分的所有行:
condition = (df['英语'] <= 90) | (df['数学'] > 75)
df[condition]
例3
选择数学成绩高于85的男生或语文成绩高于80的女生:
condition1 = ((df['数学'] > 85) & (df['性别'] == '男'))
condition2 = ((df['语文'] > 80) & (df['性别'] == '女'))
df[condition1 | condition2]
5. 同时查找行和列
然而,最灵活的查找应该是loc
,它可以同时选择某些行和列,用法如下:
XXX.loc[行索引, 列索引]
注意:loc后跟的是方括号,不是圆括号,它不是某个函数。
只要将上文提到的选择行、列的写法,分别写在对应的位置上就好。
如果使用loc
只是为了查找某一列,例如“学号”这一列,需要这样写:
df.loc[:, '学号']
行索引的位置需要使用:
占个位置,:
表示选择所有的行。
而使用loc
仅查找行时,直接写成df.loc[2:4]
这样的形式就好,不需要写成df.loc[2:4, :]
, 虽然二者的结果是一样的。
需要特别注意的是,在loc
中使用2:4
这样的索引切片,末尾的4
是包含在内的。请看下面这个例子:
df[2:4]
的输出为:
学号 性别 语文 数学 英语
2 2301003 男 62 85 87
3 2301004 男 99 73 69
而df.loc[2:4]
的输出为:
学号 性别 语文 数学 英语
2 2301003 男 62 85 87
3 2301004 男 99 73 69
4 2301005 女 69 64 60
可以看到,使用df.loc
索引行,多了索引为4的一行,这一点请务必注意!当使用习惯后,你可以只使用loc
这种用法,因为这种用法最灵活。此外还有iloc
等其它的用法,不过loc
足以应付绝大多数情况了,感兴趣的朋友可以在pandas的官方文档中找到参考资料。
最后举几个例子:
例1
找出语文、数学、英语都高于70分的所有同学的学号:
condition = (df['语文'] > 70) & (df['数学'] > 70) & (df['英语'] > 70)
df.loc[condition, '学号']
例2
找出数学高于80分的所有同学,查找其学号和性别:
df.loc[df['数学'] > 70, ['学号', '性别']]
6. 小结
这一次,我们学习了如何查找表中的某些行和某些列,想必大家在日常生活中遇到的最多操作就是查找了吧。以上都是一些很简单的操作,大家学会了吗?如果没太看懂,不用怀疑,必然是因为我写得不好,欢迎大家在评论区提意见。
以往写的系列博客都是写到第2篇就夭折了,现在又到了“生死攸关”的时刻,但愿能坚持写下去吧。
标签:02,loc,语文,False,df,查找,表中,90,pandas From: https://www.cnblogs.com/overxus/p/pandas02.html