如何使用Pandas Chaining过滤行

在这篇文章中，我们将学习如何使用Pandas链来过滤行。为此，我们首先要看一下以前的一些术语，下面给出了这些术语。

Pandas DataFrame：它是一个二维数据结构，即数据以表格形式排列在行和列中。Pandas DataFrame有三个主要部分，即数据、行和列。
Pandas链式。方法链，即在一个对象上依次调用方法，一个接一个。这一直是pandas可以实现的一种编程风格，在过去的几个版本中，引入了许多方法，允许更多的链式编程。

使用Pandas Chaining创建数据框架来过滤行

# import package
import pandas as pd
 
# define data
data = pd.DataFrame(
  {'ID': {0: 105, 1: 102, 2: 101, 3: 106, 4: 103, 5: 104, 6: 107},
  
   'Name': {0: 'Ram Kumar', 1: 'Jack Wills', 2: 'Deepanshu Rustagi',
          3: 'Thomas James', 4: 'Jenny Advekar', 5: 'Yash Raj',
          6: 'Raman Dutt Mishra'},
  
   'Age': {0: 40, 1: 23, 2: 20, 3: 34, 4: 18, 5: 56, 6: 35},
  
   'Country': {0: 'India', 1: 'Uk', 2: 'India', 3: 'Australia',
               4: 'Uk', 5: 'India', 6: 'India'}
  })
 
# view data
data

输出:

如何使用Pandas Chaining过滤行？

按特定值过滤

方法1：使用eq过滤行

在这里，我们选择在某一特定列中具有特定值的行。数据框架中的国家列被选择为 “印度”，以过滤行。

# select the rows with specific value in
# a particular column
print(data[data.Country.eq('India')])

输出:

如何使用Pandas Chaining过滤行？

方法2：使用管道过滤行

在这里，我们选择在某一特定列中具有特定值的行。数据框架中的国家列被选择为 “印度”，以使用管道过滤行。

# Using pipe() method
df2 = data.pipe(lambda x: x['Country'] == "India")
print(df2)

输出:

0     True
1    False
2     True
3    False
4    False
5     True
6     True
Name: Country, dtype: bool

通过特定的分组值进行过滤

方法1：使用手动给出的索引值过滤行

在这里，我们选择在某一列中具有特定分组值的行。数据框架中的年龄列被选择为小于30的值来过滤行。

# select the rows with specific grouped
# values in a particular column
print(data[data.Age<30])

输出:

如何使用Pandas Chaining过滤行？

方法2：使用loc过滤行

在这里，我们选择在某一列中具有特定分组值的行。数据框架中的ID和年龄列被选择为小于等于103的值和等于23的年龄来过滤行。

# Chaining loc[] operator to filter rows
df2 = data.loc[lambda x: x['ID'] <=
               103].loc[lambda x: x['Age'] == 23]
print(df2)

输出:

    ID        Name  Age Country
1  102  Jack Wills   23      Uk

方法3：使用掩码过滤行

在这里，我们选择在某一列中具有特定分组值的行。数据框架中的年龄列被选择为大于等于39的值来过滤行。

# Using mask and lambda function to filter
df2 = data.mask(lambda x: x['Age'] <= 39)
df2 = df2.dropna()
print(df2)

输出:

      ID       Name   Age Country
0  105.0  Ram Kumar  40.0   India
5  104.0   Yash Raj  56.0   India

通过特定的字符或一组特定的值进行过滤

方法1：使用contains过滤行

在这里，我们选择在某一列中具有特定字符或字符串值的行。Dataframe中的Name列被选择为包含’am’的值来过滤行。

# select the rows with specific string
# or character value in a particular column
print(data[data.Name.str.contains('am')])

输出:

如何使用Pandas Chaining过滤行？

方法2：使用isin过滤行

在这里，我们从某一列的特定值集合中选择行。Dataframe中的国家列被选中，并与给定的值集相匹配以过滤行。

# define the set of values
lst=['Uk','Australia']
 
# select the rows from specific set
# of values in a particular column
print(data[data.Country.isin(lst)])

输出:

如何使用Pandas Chaining过滤行？