Python Pandas DataFrame.where()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas where()方法是用来检查一个数据框的一个或多个条件，并返回相应的结果。默认情况下，不满足条件的行会被填充为NaN值。

语法:
DataFrame.where (cond, other=nan, inplace=False, axis=None, level=None, errors=’raise’, try_cast=False, raise_on_error=None)

参数:

cond: 一个或多个检查数据框架的条件。
other:用用户定义的对象替换不满足条件的行，默认为NaN。
inplace:布尔值，如果为真，则在数据框本身进行更改
axis: 检查的axis（行或列）。

例子#1：单条件操作

在这个例子中，具有特定团队名称的行将被显示出来，其余的将使用.where()方法被替换为NaN。

# importing pandas package
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba.csv")
  
# sorting dataframe
data.sort_values("Team", inplace = True)
  
# making boolean series for a team name
filter = data["Team"]=="Atlanta Hawks"
  
# filtering data
data.where(filter, inplace = True)
  
# display
data

输出:

如输出图片所示，每一行没有Team = Atlanta Hawks的都被替换成NaN。
Python Pandas DataFrame.where()

例子#2：多条件操作

数据是在球队和年龄的基础上过滤的。只有球队名称为 “亚特兰大老鹰队 “和年龄在24岁以上的球员的行才会被显示。

# importing pandas package
import pandas as pd
  
# making data frame from csv file
data = pd.read_csv("nba.csv")
  
# sorting dataframe
data.sort_values("Team", inplace = True)
  
# making boolean series for a team name
filter1 = data["Team"]=="Atlanta Hawks"
  
# making boolean series for age
filter2 = data["Age"]>24
  
# filtering data on basis of both filters
data.where(filter1 & filter2, inplace = True)
  
# display
data