本文的目的是介绍Python中如何根据列值从DataFrame中选择行？的详细情况，特别关注pythondataframe选取一列的相关信息。我们将通过专业的研究、有关数据的分析等多种方式，为您呈现一

本文的目的是介绍Python中如何根据列值从DataFrame中选择行？的详细情况，特别关注python dataframe 选取一列的相关信息。我们将通过专业的研究、有关数据的分析等多种方式，为您呈现一个全面的了解Python中如何根据列值从DataFrame中选择行？的机会，同时也不会遗漏关于pandas dataframe根据列值筛选数据、Python dataframe中如何使y列按x列进行统计？、python DataFrame中的排列、Python Pandas Dataframe按组中的最大值选择行的知识。

• Python中如何根据列值从DataFrame中选择行？（python dataframe 选取一列）
• pandas dataframe根据列值筛选数据
• Python dataframe中如何使y列按x列进行统计？
• python DataFrame中的排列
• Python Pandas Dataframe按组中的最大值选择行

Python中如何根据列值从DataFrame中选择行？（python dataframe 选取一列）

如何DataFrame基于Python Pandas中某些列的值从中选择行？

在SQL中，我将使用：

SELECT *FROM tableWHERE colume_name = some_value

答案1

要选择列值等于标量的行some_value，请使用==：

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

要选择列值可迭代的行some_values，请使用isin：

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

结合以下条件&：

df.loc[(df[''column_name''] >= A) & (df[''column_name''] <= B)]

注意括号。由于Python的运算符优先级规则，&绑定比<=和更紧密>=。因此，最后一个示例中的括号是必需的。没有括号

df[''column_name''] >= A & df[''column_name''] <= B

被解析为

df[''column_name''] >= (A & df[''column_name'']) <= B

这导致一个系列的真值是模棱两可的错误。

要选择列值不相等的行 some_value，请使用!=：

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

isin返回一个布尔系列，因此要选择值不在 in的行，请some_values使用~以下命令对布尔系列求反：

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

例如，

import pandas as pdimport numpy as npdf = 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  14print(df.loc[df[''A''] == ''foo''])

输出

     A      B  C   D0  foo    one  0   02  foo    two  2   44  foo    two  4   86  foo    one  6  127  foo  three  7  14

如果您要包含多个值，请将它们放在列表中（或更普遍地说，是任何可迭代的）并使用isin：

print(df.loc[df[''B''].isin([''one'',''three''])])

输出

     A      B  C   D0  foo    one  0   01  bar    one  1   23  bar  three  3   66  foo    one  6  127  foo  three  7  14

但是请注意，如果您希望多次执行此操作，则先创建索引然后再使用会更有效df.loc：

df = df.set_index([''B''])print(df.loc[''one''])

输出

       A  C   DB              one  foo  0   0one  bar  1   2one  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''])]

输出

       A  C   DB              one  foo  0   0one  bar  1   2two  foo  2   4two  foo  4   8two  bar  5  10one  foo  6  12

pandas dataframe根据列值筛选数据

1. DataFrame.filter()
2. DataFrame.loc()
3. df[df[''字段'']==值]
4. df.where(df[''字段''] == 值)

Python dataframe中如何使y列按x列进行统计？

如图：busy=0 or 1,求出busy=1时los的平均，同样对busy=0时也求出los的平均

python DataFrame中的排列

有 20 个符号，您将获得 20 个！排列大约是 2.4E18。你永远不会有足够的内存来保存这么多排列。假设每个字符 1 个字节，则需要 48 艾字节的存储空间。

Python Pandas Dataframe按组中的最大值选择行

我有一个通过df.pivot创建的数据框：

type                             start  endF_Type         to_date                     A              20150908143000    345    316B              20150908140300    NaN    480               20150908140600    NaN    120               20150908143000  10743   8803C              20150908140100    NaN   1715               20150908140200    NaN   1062               20150908141000    NaN    145               20150908141500    418    NaN               20150908141800    NaN    450               20150908142900   1973   1499               20150908143000  19522  16659D              20150908143000    433     65E              20150908143000   7290   7375F              20150908143000      0      0G              20150908143000   1796    340

我想为每个“ F_TYPE”过滤并返回一行，仅返回最大“ to_date”的行。我想返回以下数据框：

type                             start  endF_Type         to_date                     A              20150908143000    345    316B              20150908143000  10743   8803C              20150908143000  19522  16659D              20150908143000    433     65E              20150908143000   7290   7375F              20150908143000      0      0G              20150908143000   1796    340

谢谢..

答案1

使用标准方法groupby(keys)[column].idxmax()。但是，要使用所需的行，idxmax您需要idxmax返回唯一的索引值。获得唯一索引的一种方法是调用reset_index。

从中获取索引值后，groupby(keys)[column].idxmax()您可以使用来选择整行df.loc：

In [20]: df.loc[df.reset_index().groupby([''F_Type''])[''to_date''].idxmax()]Out[20]:                        start    endF_Type to_date                     A      20150908143000    345    316B      20150908143000  10743   8803C      20150908143000  19522  16659D      20150908143000    433     65E      20150908143000   7290   7375F      20150908143000      0      0G      20150908143000   1796    340

注意：idxmax返回索引 标签 ，不一定是普通 标签
。使用后reset_index的指数标签碰巧也是序，但由于idxmax正在恢复标签（不是序号），最好是 始终
使用idxmax与配合df.loc，而不是df.iloc（因为我原来在这个岗位做。）

我们今天的关于Python中如何根据列值从DataFrame中选择行？和python dataframe 选取一列的分享已经告一段落，感谢您的关注，如果您想了解更多关于pandas dataframe根据列值筛选数据、Python dataframe中如何使y列按x列进行统计？、python DataFrame中的排列、Python Pandas Dataframe按组中的最大值选择行的相关信息，请在本站查询。