这篇文章将为大家详细讲解有关Python中Pandas条件筛选功能怎么用，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。数据如下：“等于”一定是用‘==’，如果用‘=’就不是判断大小了：例如：筛选销免费云主机域名售员是马姐的数据df = data[data[‘销售员’] == ‘马姐’]例如：筛选销售员是马姐的数据且天河店销量大于100的数据 使用 &（且） 和 |（或） 时每个条件都要用小括号括起来df = data[(data[‘销售员’] == ‘马姐’) & (data[‘天河店销量’] > 100)]如果要选择某列等于多个数值或者字符串时，要用到.isin()， 我们把df修改了一下（isin()括号里面应该是个list）：例如：筛选天河店销量等于180和200的数据df = data[data[‘天河店销量’].isin([180, 200])]平时使用最多的筛选应该是字符串的模糊筛选，在SQL语句里用的是like，在pandas里我们可以用.str.contains()来实现。例如：筛选销售员含有马字的数据df = data[data[‘销售员’].str.contains(‘马’)]也可以使用 ‘|’ 来进行多个条件的筛选例如：筛选销售员含有马字的数据或者含有李字的数据df = data[data[‘销售员’].str.contains(‘马|李’)]注意：这个‘|’是在引号内的，而不是将两个字关于“Python中Pandas条件筛选功能怎么用”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。
相关推荐: springboot RESTful以及参数注解的示例分析
这篇文章主要介绍了springboot RESTful以及参数注解的示例分析，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。Spring的复杂性不是来自于它处理的对象，而是来自于自身，不断演进发展…
免责声明：本站发布的图片视频文字，以转载和分享为主，文章观点不代表本站立场，本站不承担相关法律责任；如果涉及侵权请联系邮箱：360163164@qq.com举报，并提供相关证据，经查实将立刻删除涉嫌侵权内容。
微信扫一扫 
