Python之根据条件筛选特定行

转载于博主flash胜龙的文章,感谢博主的总结与分享。

原博客链接https://blog.csdn.net/u010770993/article/details/70312506

一、选取几列组成新的dataframe:
  df = df[['A列列名', 'S列列名', 'H列列名']]

二、选取某列'STATUS'里面元素为"ACTIVE"的行,即删掉列STATUS元素不是ACTIVE的行
  df = df[df['STATUS'] == "ACTIVE"]
 (单项条件搜索,类似SELECT ALL WHERE df.STATUS = ACTIVE)

三、选取'BADTHING'列为元素空的行,即去掉BADTHING所在列中的空行所在行数据,组成一个新的dataframe
  df = df[df['BADTHING'].isnull()]
 (空值搜索)

四、选取GOODREASON列元素为列表['quality', 'cheap']内元素的行,即可用特定列表内容进行筛选
  df = df[df['GOODREASON'].isin(['quality', 'cheap'])]
 (多项条件搜索,类似SELECT ALL WHERE df.GOODREASON= quality AND cheap)

五、分组并进行遍历,运用groupby和for:
  groupByNew = df.groupby('CITY', sort=False)
  for name, groupData in groupByNew:
    # TODO …… ……
  如代码所示,我们可以对dataframe以某列'CITY'进行分组。我们如何取出某组的数据呢?当然是用
  for循环。取出来的name即是组名,而groupData同样是一个dataframe,可以进行更进一步操作。

六、对Series数据进行排序:
  series= series.sort_values(ascending=False)  # 进行从大到小排序

进阶:关于groupby的一些信息:
  在进行groupby运算后,直接打印会得一个object信息,添加groups参数后
  print df.groupby(by=['CITY']).groups
  打印出来会是带group标签和原数据行标签(也就是原来dataframe里面对应行的index)的组合信息:
  {'BEIJING': [25998L, 26134L, 26135L, 26235L, 26340L], 'SHANGHAI': [33370L, 33426L, 33541L], 'CHENGDU': [26153L]
  我们可以看到,按照groups来print,得出city为北京的情况下,对应原来的行标签第25998行、26134行等
  即使指定了某列:
  print df.groupby(by=['CITY'])['QUANTITY'].groups
  依然会得出相同的结果:
  {'BEIJING': [25998L, 26134L, 26135L, 26235L, 26340L], 'SHANGHAI': [33370L, 33426L, 33541L], 'CHENGDU': [26153L]
  除非我们把每个分组的所有行都整理成一行,如用sum来求和:
  print df.groupby(by=['CITY'])['QUANTITY'].sum()
  这样就可以成功转换成dataframe了:
  CITY
  BEIJING        5
  SHANGHAI  207
  CHENGDU   518
  ……

汇总说明如下:
print '----------NEW------------\n', type(df.groupby(by=['CITY']))
print '----------NEW------------\n', type(df.groupby(by=['CITY']).sum())
print '----------NEW------------\n', type(df.groupby(by=['CITY'])['QUANTITY'])
print '----------NEW------------\n', type(df.groupby(by=['CITY'])['QUANTITY'].sum())
所得结果为:
----------NEW------------
----------NEW------------
----------NEW------------
----------NEW------------
说明:
一个dataframe经过groupby以后得到的类型是pandas.core.groupby.DataFrameGroupBy。而用for in循环取出的每个项的类型是pandas.core.frame.DataFrame
一个dataframe经过groupby再进行sum以后仍然是dataframe(不过具体通过那一列来sum有待考证)
一个dataframe经过groupby以后再进行列选取,得到的是pandas.core.groupby.SeriesGroupBy类型。可知用for in循环取出的是pandas.core.series.Series
一个series经过groupby再进行sum以后仍然是series

posted @ 2020-04-24 13:44  飞哥霸气  阅读(3418)  评论(0编辑  收藏