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