根据大 pandas 列中的值从DataFrame中选择行 [英] Select rows from a DataFrame based on values in a column in pandas

问题描述

如何根据大熊猫某栏中的值从DataFrame中选择行？

在SQL中，我将使用：

  select * from table where colume_name = some_value。 
  

我试图看熊猫文档，但没有立即找到答案。 >

解决方案

要选择列值等于标量的行， some_value ，使用 == ：

  df.loc [df ['column_name '] == some_value] 
  

要选择列值为可迭代的行， some_values ，使用 isin ：

  df.loc [df ['column_name']。isin（some_values）] 
  

将多个条件与& ：

  df.loc [（df ['column_name' ] == some_value）& df ['other_column']。isin（some_values）] 
  

---

要选择列值不等于 some_value 的行，请使用！= ：

  df.loc [df ['column_name']！= some_value] 
  / pre> 
 
 
  isin 返回一个布尔系列，因此要选择其值为的行不是在 some_values 中，使用〜取消布尔系列：
  df.loc [〜df ['column_name']。isin（some_values）] 
  
 
 
 
 
 
 
例如，
 将大熊猫导入为pd 
 import numpy as np 
 df = pd.DataFrame（{'A'：'foo bar foo bar foo bar foo foo'.split（），
'B'：'one one two three两个一个三'.split（），
'C'：np.arange（8），'D'：np.arange（8）* 2}）
 print（df）
＃ABCD 
＃0 foo one 0 0 
＃1 ba r one 1 2 
＃2 foo two 2 4 
＃3 bar three 3 6 
＃4 foo two 4 8 
＃5 bar two 5 10 
＃6 foo one 6 12 
＃7 foo three 7 14 
 
 print（df.loc [df ['A'] =='foo']）
  
 
  ABCD 
 0 foo one 0 0 
 2 foo two 2 4 
 4 foo two 4 8 
 6 foo one 6 12 
 7 foo three 7 14 
  
 
 
 
 
 
 
如果您要包含多个值，请将它们放在
列表中（或更一般地，任何可迭代的），并使用 isin ：
  print （df.loc [df ['B']。isin（['one'，'three']）]）
  
 
  ABCD 
 0 foo one 0 0 
 1 bar one 1 2 
 3 bar三3 6 
 6 foo one 6 12 
 7 foo three 7 14 
  
 
 
 
 
 
 
请注意，如何永远，如果你想这么做很多次，那么
首先创建一个索引，然后使用 df.loc 来更有效：
  df = df.set_index（['B']）
 print（df.loc ['one']）
  
产生
  ACD 
 B 
一个foo 0 0 
一个酒吧1 2 
一个foo 6 12 
  
或者，要包含索引中的多个值，请使用 df.index.isin ：
  df.loc [df.index.isin（['one'，'two']）] 
  
 
  ACD 
 B 
一个foo 0 0 
一个酒吧1 2 
两个foo 2 4 
两个foo 4 8 
两个酒吧5 10 
一个foo 6 12 
  
 
How to select rows from a DataFrame based on values in some column in pandas?

In SQL I would use: 
select * from table where colume_name = some_value. 
I tried to look at pandas documentation but did not immediately find the answer.
解决方案
To select rows whose column value equals a scalar, some_value, use ==:
df.loc[df['column_name'] == some_value]
To select rows whose column value is in an iterable, some_values, use isin:
df.loc[df['column_name'].isin(some_values)]
Combine multiple conditions with &: 
df.loc[(df['column_name'] == some_value) & df['other_column'].isin(some_values)]




To select rows whose column value does not equal some_value, use !=:
df.loc[df['column_name'] != some_value]
isin returns a boolean Series, so to select rows whose value is not in some_values, negate the boolean Series using ~:
df.loc[~df['column_name'].isin(some_values)]




For example,
import pandas as pd
import numpy as np
df = pd.DataFrame({'A': 'foo bar foo bar foo bar foo foo'.split(),
                   'B': 'one one two three two two one three'.split(),
                   'C': np.arange(8), 'D': np.arange(8) * 2})
print(df)
#      A      B  C   D
# 0  foo    one  0   0
# 1  bar    one  1   2
# 2  foo    two  2   4
# 3  bar  three  3   6
# 4  foo    two  4   8
# 5  bar    two  5  10
# 6  foo    one  6  12
# 7  foo  three  7  14

print(df.loc[df['A'] == 'foo'])
yields
     A      B  C   D
0  foo    one  0   0
2  foo    two  2   4
4  foo    two  4   8
6  foo    one  6  12
7  foo  three  7  14




If you have multiple values you want to include, put them in a
list (or more generally, any iterable) and use isin:
print(df.loc[df['B'].isin(['one','three'])])
yields
     A      B  C   D
0  foo    one  0   0
1  bar    one  1   2
3  bar  three  3   6
6  foo    one  6  12
7  foo  three  7  14




Note, however, that if you wish to do this many times, it is more efficient to
make an index first, and then use df.loc:
df = df.set_index(['B'])
print(df.loc['one'])
yields
       A  C   D
B              
one  foo  0   0
one  bar  1   2
one  foo  6  12
or, to include multiple values from the index use df.index.isin:
df.loc[df.index.isin(['one','two'])]
yields
       A  C   D
B              
one  foo  0   0
one  bar  1   2
two  foo  2   4
two  foo  4   8
two  bar  5  10
one  foo  6  12


                        
这篇关于根据大 pandas 列中的值从DataFrame中选择行的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！