今天來和大家說一說怎么從DataFrame數(shù)據(jù)集中篩選符合指定條件的數(shù)據(jù)，希望會對讀者朋友有所幫助。

導(dǎo)入數(shù)據(jù)集和模塊

我們先導(dǎo)入pandas模塊，并且讀取數(shù)據(jù)，代碼如下

import?pandas?as?pd df?=?pd.read_csv("netflix_titles.csv") df.head()

根據(jù)文本內(nèi)容來篩選

首先我們可以根據(jù)文本內(nèi)容直接來篩選，返回的是True如果文本內(nèi)容是相匹配的，False如果文本內(nèi)容是不匹配的，代碼如下

mask?=?df['type'].isin(['TV?Show']) mask.head()

output

0????False 1?????True 2?????True 3?????True 4?????True Name:?type,?dtype:?bool

然后我們將這個mask作用到整個數(shù)據(jù)集當(dāng)中，返回的則是滿足與True條件的數(shù)據(jù)

df[mask].head()

output

當(dāng)然我們也可以和.loc方法來相結(jié)合，只挑選少數(shù)的幾個指定的列名，代碼如下

df.loc[mask,?['title','country','duration']].head()

output

title???????country???duration 1??????????Blood?&?Water??South?Africa??2?Seasons 2??????????????Ganglands???????????NaN???1?Season 3??Jailbirds?New?Orleans???????????NaN???1?Season 4???????????Kota?Factory?????????India??2?Seasons 5??????????Midnight?Mass???????????NaN???1?Season

當(dāng)然要是我們所要篩選的文本內(nèi)容并不僅僅只有1個，就可以這么來操作，代碼如下

mask?=?df['type'].isin(['Movie','TV?Show'])

結(jié)果返回的是True，要是文本內(nèi)容全部都匹配，要是出現(xiàn)一個不匹配的現(xiàn)象則返回的是False

根據(jù)關(guān)鍵字來篩選

我們可以根據(jù)某個關(guān)鍵字來篩選數(shù)據(jù)，數(shù)據(jù)集當(dāng)中的listed-in包含的是每部電影的種類，當(dāng)然很多電影并不只有一個種類，而是同時涉及到很多個種類，例如某一部電影既有“科幻”元素，也有“愛情”元素同時還包含了部分“動作片”的元素。

我們按照某個關(guān)鍵字來篩選，例如篩選出包含了“horror”這個關(guān)鍵字的影片，代碼如下

mask?=?df['listed_in'].str.contains('horror',?case=False,?na=False)

其中的case=False表明的是忽略字母的大小寫問題，na=False表明的是對于缺失值返回的是False，

df[mask].head()

output

而要是文本數(shù)據(jù)當(dāng)中包含了一些特殊符號，例如+、^以及=等符號時，我們可以將regex參數(shù)設(shè)置成False（默認(rèn)的是True），這樣就不會被當(dāng)做是正則表達(dá)式的符號，代碼如下

df['a'].str.contains('^',?regex=False) #或者是 df['a'].str.contains('\^')

根據(jù)多個關(guān)鍵字來篩選

當(dāng)關(guān)鍵字不僅僅只有一個的時候，就可以這么來操作

pattern?=?'horror|stand-up' mask?=?df['listed_in'].str.contains(pattern,?case=False,?na=False) df[mask].sample(5)

output

我們用了|來表示“或”的意思，將電影類別包含“horror”或者是“stand-up”這兩類的電影篩選出來

除此之外，我們還可以這么來做

mask1?=?df['listed_in'].str.contains("horror",?case=False) mask2?=?df['listed_in'].str.contains("stand-up",?case=False) df[mask1?|?mask2].sample(5)

出來的結(jié)果和上述一樣，只不過過程可能稍加繁瑣，除了|表示的是“或”之外，也有表示的是和，也就是&標(biāo)識符，意味著條件全部都需要滿足即可，例如

mask1?=?(df['listed_in'].str.contains('horror',?case=False,?na=False)) mask2?=?(df['type'].isin(['TV?Show'])) df[mask1?&?mask2].head(3)

output

我們可以添加多個條件在其中，多個條件同時滿足，例如

mask1?=?df['rating'].str.contains('tv',?case=False,?na=False) mask2?=?df['listed_in'].str.contains('tv',?case=False,?na=False) mask3?=?df['type'].str.contains('tv',?case=False,?na=False) df[mask1?&?mask2?&?mask3].head()

output

正則表達(dá)式在pandas篩選數(shù)據(jù)中的應(yīng)用

我們同時也可以將正則表達(dá)式應(yīng)用在如下的數(shù)據(jù)篩選當(dāng)中，例如str.contains('str1.*str2')代表的是文本數(shù)據(jù)是否以上面的順序呈現(xiàn)，

pattern?=?'states.*mexico' mask?=?data['country'].str.contains(pattern,?case=False,?na=False) data[mask].head()

output

其中.*在正則表達(dá)式當(dāng)中表示匹配除換行符之外的所有字符，我們需要篩選出來包含states以及mexico結(jié)尾的文本數(shù)據(jù)，我們再來看下面的例子

pattern?=?'states.*mexico|mexico.*states' mask?=?data['country'].str.contains(pattern,?case=False,?na=False) data[mask].head()

output

我們篩選出來的文本數(shù)據(jù)滿足兩個條件當(dāng)中的一個即可

lambda方法來篩選文本數(shù)據(jù)中的應(yīng)用

有一些篩選數(shù)據(jù)的方式可能稍顯復(fù)雜，因此需要lambda方法的介入，例如

cols_to_check?=?['rating','listed_in','type'] pattern?=?'tv' mask?=?data[cols_to_check].apply(lambda?col:col.str.contains(pattern,?na=False,?case=False)).all(axis=1)

我們需要在rating、listed_in以及type這三列當(dāng)中篩選出包含tv的數(shù)據(jù)，我們來看一下結(jié)果如何

df[mask].head()

output

我們再來看下面的這個例子，

mask?=?df.apply(lambda?x:?str(x['director'])?in?str(x['cast']),?axis=1)

上面的例子當(dāng)中是來查看director這一列是否被包含在了cast這一列當(dāng)中，結(jié)果如下

df[mask].head()

output

filter方法

我們還可以通過filter方法來篩選文本的數(shù)據(jù)，例如篩選出列名包含in的數(shù)據(jù)，代碼如下

df.filter(like='in',?axis=1).head(5)

output

當(dāng)然我們也可以用.loc方法來實現(xiàn)，代碼如下

df.loc[:,?df.columns.str.contains('in')]

出來的結(jié)果和上述的一樣

要是我們將axis改成0，就意味著是針對行方向的，例如篩選出行索引中包含Love的影片，代碼如下

df_1?=?df.set_index('title') df_1.filter(like='Love',?axis=0).head(5)

output

當(dāng)然我們也可以通過.loc方法來實現(xiàn)，代碼如下

df_1.loc[df_1.index.str.contains('Love'),?:].head()

篩選文本數(shù)據(jù)的其他方法

我們可以使用query方法，例如我們篩選出國家是韓國的影片

df.query('country?==?"South?Korea"').head(5)

output

例如篩選出影片的添加時間是11月的，代碼如下

mask?=?df["date_added"].str.startswith("Nov") df[mask].head()

output

那既然用到了startswith方法，那么就會有endswith方法，例如

df['col_name'].str.endswith('2019')

除此之外還有這些方法可以用來篩選文本數(shù)據(jù)

• df['col_name'].str.len()>10

• df['col_name'].str.isnumeric()

• df[col_name].str.isupper()

• df[col_name].str.islower()

-?END -

本文為轉(zhuǎn)載分享&推薦閱讀，若侵權(quán)請聯(lián)系后臺刪除 對比Excel系列圖書累積銷量達(dá)15w冊，讓你輕松掌握數(shù)據(jù)分析技能，可以在全網(wǎng)搜索書名進(jìn)行了解：

總結(jié)

以上是生活随笔為你收集整理的3000字详解Pandas数据查询，建议收藏的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。