当前位置：极客教程 > Pandas > Pandas 问答 > 如何使用pandas对DataFrame进行筛选操作

如何使用pandas对DataFrame进行筛选操作

如何使用pandas对DataFrame进行筛选操作

参考：pandas filter df

在数据分析和处理过程中，数据筛选是一个非常常见且重要的操作。pandas是Python中最流行的数据处理库之一，它提供了强大的数据筛选功能。本文将详细介绍如何使用pandas对DataFrame进行筛选操作，并通过多个示例代码来展示具体的实现方法。

1. 引入pandas库

在开始之前，我们需要引入pandas库。可以通过以下代码进行引入：

import pandas as pd

2. 创建示例DataFrame

在进行数据筛选操作之前，我们需要创建一个示例DataFrame。以下是一个简单的示例DataFrame：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Salary': [70000, 80000, 60000, 90000, 85000]
}

df = pd.DataFrame(data)

print(df)

Output:

如何使用pandas对DataFrame进行筛选操作

3. 基本筛选操作

3.1 按列值筛选

我们可以根据某一列的值来筛选DataFrame。例如，筛选出年龄大于25的行：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Salary': [70000, 80000, 60000, 90000, 85000]
}

df = pd.DataFrame(data)

filtered_df = df[df['Age'] > 25]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

3.2 按多个条件筛选

我们可以使用多个条件来筛选DataFrame。例如，筛选出年龄大于25且工资大于80000的行：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Salary': [70000, 80000, 60000, 90000, 85000]
}

df = pd.DataFrame(data)

filtered_df = df[(df['Age'] > 25) & (df['Salary'] > 80000)]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

3.3 使用isin()方法筛选

我们可以使用isin()方法来筛选DataFrame。例如，筛选出城市为’New York’或’Chicago’的行：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Salary': [70000, 80000, 60000, 90000, 85000]
}

df = pd.DataFrame(data)

filtered_df = df[df['City'].isin(['New York', 'Chicago'])]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

3.4 使用str.contains()方法筛选

我们可以使用str.contains()方法来筛选DataFrame。例如，筛选出名字中包含字母’e’的行：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Salary': [70000, 80000, 60000, 90000, 85000]
}

df = pd.DataFrame(data)

filtered_df = df[df['Name'].str.contains('e')]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

4. 高级筛选操作

4.1 按行索引筛选

我们可以根据行索引来筛选DataFrame。例如，筛选出索引为0和2的行：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Salary': [70000, 80000, 60000, 90000, 85000]
}

df = pd.DataFrame(data)

filtered_df = df.loc[[0, 2]]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

4.2 按列索引筛选

我们可以根据列索引来筛选DataFrame。例如，筛选出’Name’和’City’列：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Salary': [70000, 80000, 60000, 90000, 85000]
}

df = pd.DataFrame(data)

filtered_df = df[['Name', 'City']]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

4.3 使用query()方法筛选

我们可以使用query()方法来筛选DataFrame。例如，筛选出年龄大于25且城市为’Los Angeles’的行：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Salary': [70000, 80000, 60000, 90000, 85000]
}

df = pd.DataFrame(data)

filtered_df = df.query('Age > 25 & City == "Los Angeles"')
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

4.4 使用between()方法筛选

我们可以使用between()方法来筛选DataFrame。例如，筛选出年龄在25到30之间的行：

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Salary': [70000, 80000, 60000, 90000, 85000]
}

df = pd.DataFrame(data)

filtered_df = df[df['Age'].between(25, 30)]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

5. 示例代码

以下是一些完整的pandas代码示例，每个示例代码都是独立的、可直接运行的，并且包含字符串pandasdataframe.com。

示例代码1

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[df['Website'] == 'pandasdataframe.com']
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码2

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[df['Name'].str.contains('a')]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码3

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[(df['Age'] > 25) & (df['Website'] == 'pandasdataframe.com')]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码4

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df.query('Age > 25 & Website == "pandasdataframe.com"')
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码5

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[df['Age'].between(25, 30)]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码6

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[df['City'].isin(['New York', 'Chicago'])]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码7

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df.loc[[0, 2]]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码8

示例代码8

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[['Name', 'City']]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码9

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[df['City'].str.contains('New')]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码10

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[(df['Age'] > 25) & (df['City'].str.contains('Los'))]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码11

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[df['Website'].str.contains('pandasdataframe.com')]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码12

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[df['Age'] == 27]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码13

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[df['City'] == 'Phoenix']
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码14

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[df['Name'].isin(['Alice', 'Eve'])]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码15

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df.loc[df['Name'].str.contains('David')]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码16

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[df['Age'] < 30]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码17

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[(df['Age'] > 25) | (df['City'] == 'Chicago')]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码18

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df.loc[df['Website'] == 'pandasdataframe.com']
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码19

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[(df['Name'].str.contains('e')) & (df['Age'] > 24)]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

示例代码20

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
    'Age': [24, 27, 22, 32, 29],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'Phoenix'],
    'Website': ['pandasdataframe.com', 'example.com', 'pandasdataframe.com', 'example.com', 'pandasdataframe.com']
}

df = pd.DataFrame(data)
filtered_df = df[df['Name'].str.startswith('A')]
print(filtered_df)

Output:

如何使用pandas对DataFrame进行筛选操作

6. 总结

本文详细介绍了如何使用pandas库对DataFrame进行筛选操作，包括按列值筛选、按多个条件筛选、使用isin()方法筛选、使用str.contains()方法筛选、按行索引筛选、按列索引筛选、使用query()方法筛选以及使用between()方法筛选等。此外，通过20个独立的示例代码展示了具体的实现方法。这些示例代码中都包含了字符串pandasdataframe.com，并且可以直接运行以供参考。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Pandas 精品教程