如何在Pandas中根据某列的值选择DataFrame中的行？
在SQL中，我会使用：
SELECT *
FROM table
WHERE column_name = some_value
选择某列值等于标量的行，some_value，使用 ==：
df.loc[df['column\_name'] == some_value]
选择某列值在某个可迭代对象中，some_values，使用 isin：
df.loc[df['column\_name'].isin(some_values)]
结合多个条件使用 &：
df.loc[(df['column\_name'] >= A) & (df['column\_name'] <= B)]
注意括号。由于Python的运算符优先级规则，& 的优先级比 <= 和 >= 更高。因此，最后一个示例中需要使用括号。如果不使用括号，
df['column\_name'] >= A & df['column\_name'] <= B
会被解析为
df['column\_name'] >= (A & df['column\_name']) <= B
这会导致一个 Truth value of a Series is ambiguous error。
选择某列值不等于 some_value 的行，使用 !=：
df.loc[df['column\_name'] != some_value]
isin 返回一个布尔型 Series，因此要选择某列值 不 在 some_values 中的行，可以使用 ~ 对布尔型 Series 取反：
df.loc[~df['column\_name'].isin(some_values)]
例如，
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': 'foo bar foo bar foo bar foo foo'.split(),
'B': 'one one two three two two one three'.split(),
'C': np.arange(8), 'D': np.arange(8) * 2})
print(df)
# A B C D
# 0 foo one 0 0
# 1 bar one 1 2
# 2 foo two 2 4
# 3 bar three 3 6
# 4 foo two 4 8
# 5 bar two 5 10
# 6 foo one 6 12
# 7 foo three 7 14
print(df.loc[df['A'] == 'foo'])
输出结果为：
A B C D
0 foo one 0 0
2 foo two 2 4
4 foo two 4 8
6 foo one 6 12
7 foo three 7 14
如果你有多个你想要包含的值，将它们放在一个列表（或更一般地说，任何可迭代对象）中，并使用 isin：
print(df.loc[df['B'].isin(['one','three'])])
输出结果为：
A B C D
0 foo one 0 0
1 bar one 1 2
3 bar three 3 6
6 foo one 6 12
7 foo three 7 14
请注意，如果你希望经常这样做，先创建一个索引会更高效，然后使用 df.loc：
df = df.set_index(['B'])
print(df.loc['one'])
输出结果为：
A C D
B
one foo 0 0
one bar 1 2
one foo 6 12
或者，如果要从索引中包括多个值，使用 df.index.isin：
df.loc[df.index.isin(['one','two'])]
输出结果为：
A C D
B
one foo 0 0
one bar 1 2
two foo 2 4
two foo 4 8
two bar 5 10
one foo 6 12