如何使用 Pandas 的 loc方法来根据多个条件筛选 DataFrame 中的数据

如何使用 Pandas 的 loc方法来根据多个条件筛选 DataFrame 中的数据

参考：pandas dataframe loc multiple conditions

在数据分析中，经常需要根据多个条件筛选数据。Pandas 是一个强大的数据处理库，它提供了多种方式来筛选数据。本文将详细介绍如何使用 Pandas 的 loc 方法来根据多个条件筛选 DataFrame 中的数据。

1. 基本使用方法

loc 是 Pandas DataFrame 的一个属性，它允许我们通过标签选择数据。loc 方法的基本语法是：

dataframe.loc[行标签, 列标签]

其中，行标签和列标签可以是单个标签、标签列表、标签范围或布尔数组。

2. 使用单个条件筛选数据

在使用 loc 方法筛选数据时，可以直接在行标签的位置传入一个条件表达式。例如，筛选出所有 A 列值大于 50 的行：

import pandas as pd

data = {'A': [10, 20, 30, 40, 50, 60, 70],
        'B': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']}
df = pd.DataFrame(data)
result = df.loc[df['A'] > 50]
print(result)

Output:

3. 使用多个条件筛选数据

当需要根据多个条件筛选数据时，可以使用逻辑运算符将多个条件组合起来。常用的逻辑运算符有 &（与）、|（或）和 ~（非）。下面是一些使用多个条件的示例：

示例1: 使用 & 运算符

筛选出所有 A 列值大于 50 且 B 列值为 ‘pandasdataframe.com’ 的行：

import pandas as pd

data = {'A': [10, 20, 30, 40, 50, 60, 70],
        'B': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']}
df = pd.DataFrame(data)
result = df.loc[(df['A'] > 50) & (df['B'] == 'pandasdataframe.com')]
print(result)

Output:

示例2: 使用 | 运算符

筛选出所有 A 列值大于 50 或 B 列值为 ‘pandasdataframe.com’ 的行：

import pandas as pd

data = {'A': [10, 20, 30, 40, 50, 60, 70],
        'B': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']}
df = pd.DataFrame(data)
result = df.loc[(df['A'] > 50) | (df['B'] == 'pandasdataframe.com')]
print(result)

Output:

示例3: 使用 ~ 运算符

筛选出所有 A 列值不等于 50 的行：

import pandas as pd

data = {'A': [10, 20, 30, 40, 50, 60, 70],
        'B': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']}
df = pd.DataFrame(data)
result = df.loc[~(df['A'] == 50)]
print(result)

Output:

4. 使用条件表达式的复杂情况

在实际应用中，我们可能会遇到需要根据多个复杂条件来筛选数据的情况。这时，可以通过定义多个条件表达式，然后将它们组合起来使用。下面是一些复杂条件筛选的示例：

示例4: 多条件复合筛选

筛选出所有 A 列值在 30 到 70 之间，且 B 列值为 ‘pandasdataframe.com’ 的行：

import pandas as pd

data = {'A': [10, 20, 30, 40, 50, 60, 70],
        'B': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']}
df = pd.DataFrame(data)
result = df.loc[(df['A'] >= 30) & (df['A'] <= 70) & (df['B'] == 'pandasdataframe.com')]
print(result)

Output:

示例5: 使用 isin 方法

筛选出所有 A 列值在指定列表 [30, 60, 70] 中的行：

import pandas as pd

data = {'A': [10, 20, 30, 40, 50, 60, 70],
        'B': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']}
df = pd.DataFrame(data)
result = df.loc[df['A'].isin([30, 60, 70])]
print(result)

Output:

示例6: 结合使用 isin 和其他条件

筛选出所有 A 列值在列表 [30, 60, 70] 中，且 B 列值为 ‘pandasdataframe.com’ 的行：

import pandas as pd

data = {'A': [10, 20, 30, 40, 50, 60, 70],
        'B': ['pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com', 'pandasdataframe.com']}
df = pd.DataFrame(data)
result = df.loc[df['A'].isin([30, 60, 70]) & (df['B'] == 'pandasdataframe.com')]
print(result)

Output:

5. 总结

在本文中，我们详细介绍了如何使用 Pandas 的 loc 方法根据多个条件筛选 DataFrame 中的数据。我们通过多个示例展示了如何使用单个条件、多个条件以及复杂条件来筛选数据。