pandas的篩選功能，跟excel的篩選功能類似，但是功能更強大。
Select rows from a DataFrame based on values in a column -pandas 篩選
https://stackoverflow.com/questions/17071871/select-rows-from-a-dataframe-based-on-values-in-a-column-in-pandas
pandas的篩選功能，跟excel的篩選功能類似，但是功能更強大。
在SQL數據中， 我們可以用這樣的語句：
select * from table where colume_name = some_value.
1
1
bool 索引
在Pandas的DataFrame格式中可以采用 bool 值作為索引，選取數據行。比如：
import pandas as pd
# Create data set
d = {‘foo‘:[100, 111, 222],
‘bar‘:[333, 444, 555]}
df = pd.DataFrame(d)
# Full dataframe:
df
# Shows:
# bar foo
# 0 333 100
# 1 444 111
# 2 555 222
# bool 值索引
df[[True, False, True]] # 或 df.loc[[True, False, True]]
# 都可以得到
# bar foo
#0 333 100
#1 444 111
所以，如果想通過數值來對行進行篩選，我們可以通過構造bool值來選擇DataFrame的行
df[df[‘column_name‘] == some_value] 如果是數值型，也可以采用 >/<
df[df[‘column_name‘].isin(some_values)] some_values 可以是單個變量，也可以是list 或者叠代器
組合多種條件
df[(df[‘column_name‘] == some_value) & df[‘other_column‘].isin(some_values)]
df[(df[‘column_name‘] == some_value) | df[‘other_column‘].isin(some_values)]
#註意，& | 的優先級很高，所以每個條件都需要一個括號
不等於，可以使用
df[~df[‘column_name‘].isin(some_values)]
df[df[‘column_name‘] != some_value]
np.where
與上面所述的方法有所不同， np.where 返回的是行的位置，所以在獲取行時不能采用df， 要采用df.loc 或者 df.iloc
np.where(df.A.values==‘foo‘)
# (array([0, 2, 4, 6, 7]),)
df.iloc[np.where(df.A.values==‘foo‘)]
query
DataFrame 提供了query函數，方便我們可以采用表達式來進行數據的篩選。
參考：
http://pandas.pydata.org/pandas-docs/version/0.17.0/indexing.html#indexing-query
n = 10
df = pd.DataFrame(np.random.randint(n, size=(n, 2)), columns=list(‘bc‘))
# b c
# 0 9 0
# 1 1 2
# 2 2 4
# 3 7 6
# 4 6 4
# 5 4 7
# 6 2 9
# 7 4 8
# 8 6 2
# 9 9 0
df.query(‘index > b > c‘)
# b c
# 8 6 2
#可以采用的表達式很多,比如
df.query(‘(a < b) & (b < c)‘)
df.query(‘a < b and b < c‘)
時間測評
import pandas as pd
df = pd.DataFrame({‘A‘: ‘foo bar foo bar foo bar foo foo‘.split(),
‘B‘: ‘one one two three two two one www.lieqibiji.com three‘.split()})
df.iloc[np.where(df.A.values==‘foo‘)]
%timeit df.iloc[np.where(df.A.values==‘foo‘)]
#1000 loops, best of 3: www.caihonyule.com/ 274 μs per loop
%timeit df.loc[np.where(df.A.values==‘foo‘)]
#1000 loops, best of 3: 342 μs per loop
%timeit df.loc[df[‘A‘] == ‘foo‘]
#1000 loops, best of 3: 347 μs per loop
%timeit df[df[‘A‘] == ‘foo‘]
#1000 loops, best of 3: 354 www.feifanshifan8.cn μs per loop
%timeit df.loc[df[‘A‘].isin([‘foo‘])]
#1000 loops, best of 3: 265 μs per loop
%timeit df[df.A==‘foo‘]
#1000 loops, best of 3: 357 www.xingchexiu.com μs per loop
%timeit df.query(‘(A=="www.qinlinyule.cn foo")‘)
#1000 loops, best of 3: 943 μs per loop
可以發現采用 df.iloc[np.where(df.A.values==‘foo‘)]和 df.loc[df[‘A‘].isin([‘foo‘])] 速度比較快， 而采用query的方法比較慢。
df.loc[df[‘A‘] == ‘foo‘] 速度快於 df[df[‘A‘] == ‘foo‘]
pandas的篩選功能，跟excel的篩選功能類似，但是功能更強大。