一次性总结了pandas提取数据的15种方法，统统只需1行代码！

pandas是Python数据分析必备工具，它有强大的数据清洗能力，往往能用非常少的代码实现较复杂的数据处理

今天，总结了pandas筛选数据的15个常用技巧，主要包括5个知识点：

“

  1. 比较运算：==、<、>、>=、<=、!=
  2. 范围运算：between(left,right)
  3. 字符筛选:str.contains(pattern或字符串,na=False)
  4. 逻辑运算：&（与）、|（或）、not(取反)
  5. 比较函数：eq, ne, le, lt, ge, gt（相当于==,=!，<=，<，>=，>）
  6. apply和isin函数

”

下面以超市运营数据为例，给大家逐个讲解首先读取数据：

import pandas as pd
data=pd.read_excel('超市运营数据模板.xlsx')
data

先看一下各列的数据类型：

data.dtypes商品ID             int64类别ID             int64门店编号            object单价             float64销量             float64订单ID            object日期      datetime64[ns]时间              objectdtype: object

下面以实际应用场景为例开始讲解：

1.筛选门店编号为'CDXL'的运营数据

①第一种方法，用比较运算符'==’：

data[data.门店编号=='CDXL']

②第二种方法，用比较函数'eq'：

data[data['门店编号'].eq('CDXL')]

2.筛选单价小于等于10元的运营数据

③第一种方法，用比较运算符'<=’:

data[data.单价<=10]

④第二种方法，用比较函数'le'：

data[data['单价'].le(10)]

3.筛选销量大于2000的运营数据

⑤第一种方法，用比较运算符'>=’:

data[data.销量>2]

⑥第二种方法，用比较函数'ge'：

data[data['销量'].ge(2)]

4.筛选除门店'CDXL'外的运营数据

⑦第一种方法，用比较运算符'!=’:

data[data.门店编号!='CDXL']

⑧第二种方法，用比较函数'ne':

data[data['门店编号'].ne('CDXL')]

5.筛选2020年5月的运营数据

首先将日期格式化：

data['日期']=data['日期'].values.astype('datetime64')  #如果已为日期格式则此步骤可省略
data['日期']
import datetime
s_date = datetime.datetime.strptime('2020-04-30', '%Y-%m-%d').date()  #起始日期
e_date = datetime.datetime.strptime('2020-06-01', '%Y-%m-%d').date()  #结束日期

⑨第一种方法，用逻辑运算符号'>' '<'和'&'：

Pandasdatetime64[ns]不能直接与datetime.date相比，需要用pd.Timestamp进行转化

data[(data.日期>pd.Timestamp(s_date))&(data.日期<pd.Timestamp(e_date))]

⑩第二种，用比较函数'gt''lt'和'&':

data[(data['日期'].lt(pd.Timestamp(e_date)))&(data['日期'].gt(pd.Timestamp(s_date)))]

⑪第三种，用apply函数实现:

id_a=data.日期.apply(lambda x: x.year ==2020  and x.month==5)data[id_a]

⑫第四种，用between函数实现:

id_b=data.日期.between(pd.Timestamp(s_date),pd.Timestamp(e_date))
data[id_b]

6.筛选“类别ID”包含'000'的数据

⑬第一种，用contains函数：

data['类别ID']=data['类别ID'].values.astype('str')  #将该列转换为字符数据类型id_c=data.类别ID.str.contains('000',na=False)data[id_c]

⑭第二种，用isin函数：

id_i=data.类别ID.isin(['000'])  #接受一个列表
data[id_i]

很遗憾，isin函数搞不定，因为它只能判断该列中元素是否在列表中

7.筛选商品ID以“301”开头的运营数据

⑮需要用contains函数结合正则表达式使用：

data['商品ID']=data['商品ID'].values.astype('str')  #将该列转换为字符数据类型id_c2=data.商品ID.str.contains('301\d{5}',na=False)data[id_c2]
赞 (0)

相关推荐