Pandas数据筛选实战案例：单条件、多条件与query方法详解

引言

在Pandas中，数据筛选是数据分析的基础操作，它允许我们根据特定条件从数据框（DataFrame）中提取所需数据。本章节将通过实战案例，帮助初学者轻松掌握三种常见筛选方法：单条件筛选、多条件筛选和使用query方法简化多条件筛选。我们将创建一个简单的示例数据来演示，确保内容易懂实用。

首先，导入必要的库并创建示例数据框：

import pandas as pd

# 创建示例DataFrame，模拟销售数据
data = {
    '地区': ['北京', '上海', '广州', '北京', '上海', '深圳', '成都'],
    '时间段': ['2023-01', '2023-01', '2023-02', '2023-02', '2023-01', '2023-03', '2023-03'],
    '销量': [120, 80, 150, 90, 110, 130, 70],
    '产品': ['A', 'B', 'A', 'C', 'B', 'A', 'B']
}
df = pd.DataFrame(data)
print("原始数据：")
print(df)

案例1：单条件筛选符合要求的数据行

单条件筛选是最基本的筛选方式，通过指定一个条件来筛选数据。例如，筛选出销量大于100的数据行。

# 单条件筛选：销量大于100的数据
filtered_df = df[df['销量'] > 100]
print("销量大于100的数据：")
print(filtered_df)

解释：

• 使用布尔索引 df['销量'] > 100 创建一个布尔序列，表示每行销量是否大于100。
• 将这个布尔序列传递给数据框 df[...]，只返回True对应的行，从而筛选出符合条件的数据。

案例2：多条件筛选，提取目标数据

多条件筛选允许我们根据多个条件组合来提取数据。例如，筛选出“某地区（如北京）、某时间段（如2023-01）、销量大于100”的数据。

# 多条件筛选：地区为北京、时间段为2023-01、销量大于100
condition1 = df['地区'] == '北京'  # 地区条件
condition2 = df['时间段'] == '2023-01'  # 时间段条件
condition3 = df['销量'] > 100  # 销量条件

# 使用逻辑与(&)组合条件
filtered_df = df[condition1 & condition2 & condition3]
print("地区为北京、时间段为2023-01、销量大于100的数据：")
print(filtered_df)

解释：

• 首先，为每个条件创建布尔序列。
• 使用逻辑运算符 &（与）组合这些条件。注意：在Pandas中，逻辑运算符需要用括号 & 而不是Python的 and。
• 将组合后的布尔序列传递给数据框进行筛选。这允许我们提取符合所有复合条件的精确数据行。

案例3：用query方法简化多条件筛选

query方法是Pandas提供的一种更简洁的筛选方式，可以直接使用字符串表达式进行筛选，避免繁琐的布尔索引组合。

# 使用query方法简化多条件筛选：地区为北京、时间段为2023-01、销量大于100
query_str = "地区 == '北京' and 时间段 == '2023-01' and 销量 > 100"
filtered_df = df.query(query_str)
print("使用query方法筛选的结果：")
print(filtered_df)

解释：

• df.query() 方法接受一个字符串表达式，其中包含筛选条件。
• 表达式使用Python语法，可以包含列名和条件，用 and、or 等逻辑运算符组合。
• 这种方法更易读和维护，尤其适合复杂的多条件筛选。

总结与扩展提示

通过本章节的实战案例，你应该已经掌握了Pandas中的三种数据筛选方法：

• 单条件筛选：适用于简单的条件提取。
• 多条件筛选：通过布尔索引组合，提取复合条件数据。
• query方法：简化多条件筛选，提高代码可读性。

扩展建议：

• 尝试修改条件或添加更多列进行练习。
• 探索使用逻辑或 | 运算符进行条件组合。
• 在实际项目中，优先使用query方法以保持代码简洁。

通过这些案例，你可以更自信地处理真实数据集中的筛选需求。继续学习Pandas的其他功能，如数据聚合、清洗等，以构建全面的数据分析能力。