国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

Python:使用pandas對excel數(shù)據(jù)篩選選擇

這篇具有很好參考價值的文章主要介紹了Python:使用pandas對excel數(shù)據(jù)篩選選擇。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

1.篩選方式1:直接篩選

#直接篩選
#DataFrame索引使用[],
#直接索引語法:df[]
1.1 直接篩選,選擇單列數(shù)據(jù):df["列"]

1.2直接篩選,選擇多列數(shù)據(jù):df[["列1","列2"]](注意:多嵌套列)

1.3直接篩選,選擇多行數(shù)據(jù):df[2:4]按照位置選取連續(xù)的行(切片),前閉后開

2.篩選方式2:條件篩選

#('----------篩選方式2:條件篩選-------------')
#條件篩選
#布爾索引(帶條件判斷的索引):根據(jù)布爾條件選擇對應的行
#索引列表中可以使用&、|操作符,但是不能用and、or關鍵詞
#布爾選擇的結(jié)果還是DataFrame,所以對于結(jié)果可以進行切片、索引器等訪問

2.1:單列布爾選擇,df[(df["列"]==條件)]選取某列滿足一定條件的行

2.2:多列布爾選擇,df[(df["列1"]==條件&df["列1"]>條件)]選取多列滿足一定條件的行

3.篩選方式3:篩選器篩選

#在Pandas兩種數(shù)據(jù)結(jié)構(gòu)中,原始索引(位置信息)和自定義索引(標簽信息)并存
#原始索引(位置信息):小標,即行數(shù)組0,1,2,3標號;列數(shù)組0,1,2,3標號
#自定義索引(標簽信息):小標,即行數(shù)組0,1,2,3標號,列名(代碼,資產(chǎn),負債,所有者權(quán)益)

#loc索引器:只能使用自定義索引,如果數(shù)據(jù)中沒有自定義索引,則使用原始索引。
#根據(jù)行索引和列索引進行選取:先行后列,也可以只選取行索引,
#常見形式如下 1.選擇單行/多行數(shù)據(jù);
#? ? ? ? ? ? ? ? ? ? ? 2.選擇多行多列數(shù)據(jù),通過兩個列表選取行列組合;
#? ? ? ? ? ? ? ? ? ? ? ?3.loc布爾選擇,按照條件選取單列(多列)滿足一定條件的行;
#? ? ? ? ? ? ? ? ? ? ? 4.loc切片(選擇連續(xù)的多行多列),通過切片選取連續(xù)的行列組合,冒號前后留空代表開口;

#iloc索引器:iloc索引器與loc索引器使用幾乎相同。
#iloc索引器只能使用原始索引(位置信息),不能使用自定義索引


import pandas as pd

#('----------篩選方式1:直接篩選-------------')
#直接篩選
#DataFrame索引使用[],
#直接索引語法:df[]

df1=pd.read_excel(r'C:\Benjamin\Benjamin\Benjamin\Python\Study_example\Demo_panada\demo1.4\TEST1.4.xlsx')
print('----------讀取表格行,列-------------')
print(df1.shape)
print('----------讀取表格行,列結(jié)束-------------')

print('----------讀取表頭(默認前5行)-------------')
print(df1.head())
print('----------讀取表頭結(jié)束-------------')

print('----------讀取表尾(默認后5行)-------------')
print(df1.tail())
print('----------讀取表尾結(jié)束-------------')
#print(old[''])

#1.4.1:直接篩選,選擇單列數(shù)據(jù):df["列"]
print('----------選擇單列數(shù)據(jù),比如:資產(chǎn)列-------------')
print(df1["資產(chǎn)"].head())
print('----------選擇單列數(shù)據(jù)結(jié)束-------------')

#1.4.2:直接篩選,選擇多列數(shù)據(jù):df[["列1","列2"]](注意:多嵌套列)
print('----------選擇多列數(shù)據(jù),比如:資產(chǎn)列,負債列-------------')
print(df1[["資產(chǎn)","負債"]].head())
print('----------選擇多列數(shù)據(jù)結(jié)束-------------')

#1.4.3:直接篩選,選擇多行數(shù)據(jù):df[2:4]按照位置選取連續(xù)的行(切片),前閉后開
print('----------選擇多行數(shù)據(jù),切片-------------')
print(df1[2:4])
print('----------選擇多行數(shù)據(jù)結(jié)束-------------')


#('----------篩選方式2:條件篩選-------------')
#條件篩選
#布爾索引(帶條件判斷的索引):根據(jù)布爾條件選擇對應的行
#索引列表中可以使用&、|操作符,但是不能用and、or關鍵詞
#布爾選擇的結(jié)果還是DataFrame,所以對于結(jié)果可以進行切片、索引器等訪問

#1.5.1:單列布爾選擇,df[(df["列"]==條件)]選取某列滿足一定條件的行
print('----------選擇滿足條件的列,比如資產(chǎn)>130的行-------------')
print(df1[(df1["資產(chǎn)"]>130)])
print('----------選擇多行數(shù)據(jù)結(jié)束-------------')


#1.5.2:多列布爾選擇,df[(df["列1"]==條件&df["列1"]>條件)]選取多列滿足一定條件的行
print('----------選擇滿足條件的列,比如資產(chǎn)>130的行-------------')
print(df1[(df1["資產(chǎn)"]>130)&(df1["負債"]<48)])
print('----------選擇滿足條件的行數(shù)據(jù)結(jié)束-------------')


#('----------篩選方式3:索引器篩選-------------')
#在Pandas兩種數(shù)據(jù)結(jié)構(gòu)中,原始索引(位置信息)和自定義索引(標簽信息)并存
#原始索引(位置信息):小標,即行數(shù)組0,1,2,3標號;列數(shù)組0,1,2,3標號
#自定義索引(標簽信息):小標,即行數(shù)組0,1,2,3標號,列名(代碼,資產(chǎn),負債,所有者權(quán)益)

#loc索引器:只能使用自定義索引,如果數(shù)據(jù)中沒有自定義索引,則使用原始索引。
#根據(jù)行索引和列索引進行選?。合刃泻罅?,也可以只選取行索引,
#常見形式如下 1.選擇單行/多行數(shù)據(jù);
#             2.選擇多行多列數(shù)據(jù),通過兩個列表選取行列組合;
#             3.loc布爾選擇,按照條件選取單列(多列)滿足一定條件的行;
#             4.loc切片(選擇連續(xù)的多行多列),通過切片選取連續(xù)的行列組合,冒號前后留空代表開口;


#1.6.1:選擇單行/多行數(shù)據(jù):df.loc['行']、df.loc[['行1','行2']](注意:多嵌套列)
print('----------loc行名選擇-------------')
print(df1.loc[1])
print(df1.loc[[1,3]])
print('----------選擇多行數(shù)據(jù)結(jié)束-------------')

#1.6.2:選擇多行/多列數(shù)據(jù):df.loc[['行1','行2'],['列1','列2']](注意:多嵌套列)
print('----------loc行列選擇-------------')
print(df1.loc[[1,2],["資產(chǎn)","負債"]])
print(df1.loc[[6,7],["資產(chǎn)","負債"]])
print('----------選擇多行數(shù)據(jù)結(jié)束-------------')

#1.6.3:loc切片,(選擇多行/多列數(shù)據(jù)):df.loc['行1':'行2','列1':'列2']
print('----------loc切片行列選擇-------------')
print(df1.loc[1:4,:"負債"])
print(df1.loc[6:8,"資產(chǎn)":"負債"])
print('----------loc切片數(shù)據(jù)結(jié)束-------------')


#iloc索引器:iloc索引器與loc索引器使用幾乎相同。
#iloc索引器只能使用原始索引(位置信息),不能使用自定義索引
print('----------iloc切片行列選擇-------------')
print(df1.loc[1:4,:"負債"])
print(df1.iloc[1:4,:3])
print('----------iloc切片數(shù)據(jù)結(jié)束-------------')

輸出結(jié)果:

----------讀取表格行,列-------------
(40, 4)
----------讀取表格行,列結(jié)束-------------
----------讀取表頭(默認前5行)-------------
? ?代碼 ? 資產(chǎn) ?負債 ? ?所有者權(quán)益
0 ? 1 ?100 ?11 ?1111234
1 ? 2 ?101 ?12 ?1111235
2 ? 3 ?102 ?13 ?1111236
3 ? 4 ?103 ?14 ?1111237
4 ? 5 ?104 ?15 ?1111238
----------讀取表頭結(jié)束-------------
----------讀取表尾(默認后5行)-------------
? ? 代碼 ? 資產(chǎn) ?負債 ? ?所有者權(quán)益
35 ?36 ?135 ?46 ?1111269
36 ?37 ?136 ?47 ?1111270
37 ?38 ?137 ?48 ?1111271
38 ?39 ?138 ?49 ?1111272
39 ?40 ?139 ?50 ?1111273
----------讀取表尾結(jié)束-------------
----------選擇單列數(shù)據(jù),比如:資產(chǎn)列-------------
0 ? ?100
1 ? ?101
2 ? ?102
3 ? ?103
4 ? ?104
Name: 資產(chǎn), dtype: int64
----------選擇單列數(shù)據(jù)結(jié)束-------------
----------選擇多列數(shù)據(jù),比如:資產(chǎn)列,負債列-------------
? ? 資產(chǎn) ?負債
0 ?100 ?11
1 ?101 ?12
2 ?102 ?13
3 ?103 ?14
4 ?104 ?15
----------選擇多列數(shù)據(jù)結(jié)束-------------
----------選擇多行數(shù)據(jù),切片-------------
? ?代碼 ? 資產(chǎn) ?負債 ? ?所有者權(quán)益
2 ? 3 ?102 ?13 ?1111236
3 ? 4 ?103 ?14 ?1111237
----------選擇多行數(shù)據(jù)結(jié)束-------------
----------選擇滿足條件的列,比如資產(chǎn)>130的行-------------
? ? 代碼 ? 資產(chǎn) ?負債 ? ?所有者權(quán)益
31 ?32 ?131 ?42 ?1111265
32 ?33 ?132 ?43 ?1111266
33 ?34 ?133 ?44 ?1111267
34 ?35 ?134 ?45 ?1111268
35 ?36 ?135 ?46 ?1111269
36 ?37 ?136 ?47 ?1111270
37 ?38 ?137 ?48 ?1111271
38 ?39 ?138 ?49 ?1111272
39 ?40 ?139 ?50 ?1111273
----------選擇多行數(shù)據(jù)結(jié)束-------------
----------選擇滿足條件的列,比如資產(chǎn)>130的行-------------
? ? 代碼 ? 資產(chǎn) ?負債 ? ?所有者權(quán)益
31 ?32 ?131 ?42 ?1111265
32 ?33 ?132 ?43 ?1111266
33 ?34 ?133 ?44 ?1111267
34 ?35 ?134 ?45 ?1111268
35 ?36 ?135 ?46 ?1111269
36 ?37 ?136 ?47 ?1111270
----------選擇滿足條件的行數(shù)據(jù)結(jié)束-------------
----------loc行名選擇-------------
代碼 ? ? ? ? ? ? 2
資產(chǎn) ? ? ? ? ? 101
負債 ? ? ? ? ? ?12
所有者權(quán)益 ? ?1111235
Name: 1, dtype: int64
? ?代碼 ? 資產(chǎn) ?負債 ? ?所有者權(quán)益
1 ? 2 ?101 ?12 ?1111235
3 ? 4 ?103 ?14 ?1111237
----------選擇多行數(shù)據(jù)結(jié)束-------------
----------loc行列選擇-------------
? ? 資產(chǎn) ?負債
1 ?101 ?12
2 ?102 ?13
? ? 資產(chǎn) ?負債
6 ?106 ?17
7 ?107 ?18
----------選擇多行數(shù)據(jù)結(jié)束-------------
----------loc切片行列選擇-------------
? ?代碼 ? 資產(chǎn) ?負債
1 ? 2 ?101 ?12
2 ? 3 ?102 ?13
3 ? 4 ?103 ?14
4 ? 5 ?104 ?15
? ? 資產(chǎn) ?負債
6 ?106 ?17
7 ?107 ?18
8 ?108 ?19
----------loc切片數(shù)據(jù)結(jié)束-------------
----------iloc切片行列選擇-------------
? ?代碼 ? 資產(chǎn) ?負債
1 ? 2 ?101 ?12
2 ? 3 ?102 ?13
3 ? 4 ?103 ?14
4 ? 5 ?104 ?15
? ?代碼 ? 資產(chǎn) ?負債
1 ? 2 ?101 ?12
2 ? 3 ?102 ?13
3 ? 4 ?103 ?14
----------iloc切片數(shù)據(jù)結(jié)束-------------文章來源地址http://www.zghlxwxcb.cn/news/detail-567887.html

到了這里,關于Python:使用pandas對excel數(shù)據(jù)篩選選擇的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權(quán),不承擔相關法律責任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點擊違法舉報進行投訴反饋,一經(jīng)查實,立即刪除!

領支付寶紅包贊助服務器費用

相關文章

  • Python 教學 | Pandas 妙不可言的條件數(shù)據(jù)篩選

    Python 教學 | Pandas 妙不可言的條件數(shù)據(jù)篩選

    目錄 Part 1? 前言 Part 2? Excel 的數(shù)據(jù)篩選與分布統(tǒng)計 Part 3? Pandas 條件數(shù)據(jù)篩選 1、條件數(shù)據(jù)篩選的不同維度 (1) 比較數(shù)據(jù)值 (2) 是否為空值 (3) 文本內(nèi)容篩選 (4) 數(shù)據(jù)值長度 (5) 日期篩選 (6) 其他 2、復合條件篩選 Part 4? 總結(jié) Part 5? Python教程 在 Python 中,第三方庫 Pandas 是數(shù)據(jù)清

    2024年02月10日
    瀏覽(18)
  • 【python】數(shù)據(jù)挖掘分析清洗——特征選擇(特征篩選)方法匯總

    【python】數(shù)據(jù)挖掘分析清洗——特征選擇(特征篩選)方法匯總

    本文鏈接:https://blog.csdn.net/weixin_47058355/article/details/130400400?spm=1001.2014.3001.5501 數(shù)據(jù)挖掘系列: 缺失值處理方法匯總 離散化方法匯總 離群點(異常值)處理方法匯總 標準化(數(shù)據(jù)歸一化)處理方法匯總 特征選擇(特征篩選)方法匯總 特征選擇篩選(降維)方法匯總 分類預測方法匯

    2024年02月15日
    瀏覽(21)
  • Python基于指定范圍篩選并剔除Excel表格中的數(shù)據(jù)

    Python基于指定范圍篩選并剔除Excel表格中的數(shù)據(jù)

    ??本文介紹基于 Python 語言,讀取 Excel 表格文件,基于我們給定的規(guī)則,對其中的數(shù)據(jù)加以 篩選 ,將 不在指定數(shù)據(jù)范圍內(nèi) 的數(shù)據(jù)剔除,保留 符合我們需要 的數(shù)據(jù)的方法。 ??首先,我們來明確一下本文的具體需求。現(xiàn)有一個 Excel 表格文件(在本文中我們就以 .csv 格式

    2024年02月08日
    瀏覽(27)
  • Python Pandas 處理Excel數(shù)據(jù) 制圖

    Python Pandas 處理Excel數(shù)據(jù) 制圖

    目錄 1、餅狀圖? 2、條形統(tǒng)計圖

    2024年02月11日
    瀏覽(26)
  • Python+pandas數(shù)據(jù)直接寫入和接續(xù)寫入Excel

    Python+pandas數(shù)據(jù)直接寫入和接續(xù)寫入Excel

    數(shù)據(jù)類型(3行7列的數(shù)據(jù))和: (7行1列的數(shù)據(jù)) 直接寫入兩個不同的sheet 效果: 效果 效果 直接寫入:(12條消息) 【python學習】-將數(shù)據(jù)輸出存儲到CSV或xls,xlsx文件(并實現(xiàn)將不同數(shù)據(jù)存儲在同一份文件的不同sheet)_electrochemjy的博客-CSDN博客_python輸出數(shù)據(jù)到csv 接續(xù)寫入:Python

    2024年02月03日
    瀏覽(31)
  • Python之如何使用pandas操作Excel表

    Python之如何使用pandas操作Excel表

    目錄 1、前言 2、讀取Excel 3、對Excel進行操作 3.1、獲取行號、列名 ?3.2、獲取單元格的值,并循環(huán)輸出 ?3.3、對空值進行處理,替換 ?3.4、增加一列,并對新增列的第一行進行賦值 3.5、將修改后數(shù)據(jù)保存到原文檔 ?3.6、關于循環(huán)取數(shù) 4、錯誤處理 5、全部代碼 1、前言 網(wǎng)上也有

    2023年04月09日
    瀏覽(24)
  • 【頭歌】——數(shù)據(jù)分析與實踐-python-Pandas 初體驗-Pandas數(shù)據(jù)取值與選擇-Pandas進階

    第1關 了解數(shù)據(jù)處理對象–Series 第2關 了解數(shù)據(jù)處理對象-DataFrame 第3關 讀取 CSV 格式數(shù)據(jù) 第4關 數(shù)據(jù)的基本操作——排序 第5關 數(shù)據(jù)的基本操作——刪除 第6關 數(shù)據(jù)的基本操作——算術運算 第7關 數(shù)據(jù)的基本操作——去重 第8關 數(shù)據(jù)重塑 第1關 Series數(shù)據(jù)選擇 第2關 DataFrame數(shù)據(jù)

    2024年01月22日
    瀏覽(155)
  • 用Python的pandas讀取excel文件中的數(shù)據(jù)

    用Python的pandas讀取excel文件中的數(shù)據(jù)

    hello呀!各位鐵子們大家好呀,今天呢來和大家聊一聊用Python的pandas讀取excel文件中的數(shù)據(jù)。 使用pandas的 read_excel() 方法,可通過文件路徑直接讀取。注意到,在一個excel文件中有多個sheet,因此,對excel文件的讀取實際上是讀取指定文件、并同時指定sheet下的數(shù)據(jù)??梢砸淮巫x

    2024年02月02日
    瀏覽(88)
  • python pandas 獲取Excel文件下所有的sheet名稱,表格數(shù)據(jù)

    方法1: 一定要加sheet_name=None,才能讀取出所有的sheet,否則默認讀取第一個sheet,且獲取到的keys是第一行的值 方法2:

    2024年02月13日
    瀏覽(27)
  • 【Python】進階學習:pandas--read_excel()函數(shù)的基本使用

    【Python】進階學習:pandas--read_excel()函數(shù)的基本使用

    【Python】進階學習:pandas–read_excel()函數(shù)的基本使用 ?? 個人主頁:高斯小哥 ?? 高質(zhì)量專欄:Matplotlib之旅:零基礎精通數(shù)據(jù)可視化、Python基礎【高質(zhì)量合集】、PyTorch零基礎入門教程?? 希望得到您的訂閱和支持~ ?? 創(chuàng)作高質(zhì)量博文(平均質(zhì)量分92+),分享更多關于深度學習、

    2024年03月09日
    瀏覽(42)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領取紅包,優(yōu)惠每天領

二維碼1

領取紅包

二維碼2

領紅包