前言

Pandas 是一个开源的数据分析和数据处理库，它是基于 Python 编程语言的。
Pandas 提供了易于使用的数据结构和数据分析工具，特别适用于处理结构化数据，如表格型数据（类似于Excel表格）。
Pandas 主要引入了两种新的数据结构：DataFrame 和 Series。

环境准备

先 pip 安装 pandas :

pip install pandas

读取csv数据

有个data.csv 数据文件

name,sex,age,email
张三,男,22,[email protected]
李四,男,23,[email protected]
王五,女,24,[email protected]
张六,男,22,[email protected]
李七,男,23,[email protected]
小明,女,24,[email protected]
张山,女,24,[email protected]
王二,男,23,[email protected]
王九,男,23,[email protected]
李明,男,20,[email protected]
刘三,男,29,[email protected]
刘四,男,28,[email protected]

下面的例子通过读取一个CSV文件来进行数据筛选

import pandas


df = pandas.read_csv('data.csv')
print(df)

运行结果:

   name sex  age       email
0    张三   男   22  [email protected]
1    李四   男   23  [email protected]
2    王五   女   24  [email protected]
3    张六   男   22  [email protected]
4    李七   男   23  [email protected]
5    小明   女   24  [email protected]
6    张山   女   24  [email protected]
7    王二   男   23  [email protected]
8    王九   男   23  [email protected]
9    李明   男   20  [email protected]
10   刘三   男   29  [email protected]
11   刘四   男   28  [email protected]

按条件筛选数据

1.筛选 sex==男 的数据

import pandas


df = pandas.read_csv('data.csv')
# print(df)
# 1.筛选sex == 男
print(df[df['sex'] == '男'])

2.筛选age >= 25

# 2.筛选age >= 25
print(df[df['age'] >= 25])

3.方法2，使用query方法筛选数据

# 3.query 筛选数据
print(df.query("sex == '男'"))
print(df.query("age >= 24"))

多条件筛选

筛选同时满足age >= 23, 并且sex == '女'
方法一：使用多个逻辑运算符进行筛选

# 方法一：使用多个逻辑运算符进行筛选
print(df[(df['age'] >= 24) & (df['sex'] == '女')])

方法二：使用query函数进行筛选

# 方法二：使用query函数进行筛选
print(df.query("age >= 24 and sex == '女'"))

筛选列

只需要name列的数据

print(df['name'])

获取name、email列的数据

print(df[['name', 'email']])

获取name、email列的数据， 并且sex == '女'

print(df[['name', 'email']][df['sex'] == '女'])

筛选数据写到新的csv

筛选 sex == '女' 的数据，写到新的csv

import pandas


df = pandas.read_csv('data.csv')

new_df = df[df['sex'] == '女']
new_df.to_csv('new.csv', index=False)

写入后 new.csv 的数据

name,sex,age,email
王五,女,24,[email protected]
小明,女,24,[email protected]
张山,女,24,[email protected]