用多个条件过滤Pandas数据框架

当我们需要从 Pandas 数据框架中筛选出符合特定条件的数据时，就需要用到多个条件过滤。下面是一个完整的攻略，包括代码示例和具体步骤：

1. 导入所需模块

我们需要导入 Pandas 库和数据框架，示例数据为一个用户数据表格：

import pandas as pd

user_data = pd.read_csv("user_data.csv")
print(user_data.head())

2. 单条件过滤

首先，我们可以使用 [] 操作符，传入单个条件，来满足单条件的过滤：

# 筛选用户年龄大于30的数据
age_above_30 = user_data[user_data["age"] > 30]
print(age_above_30)

3. 多条件过滤

如果要同时满足多个条件，我们可以使用 & 连接多个条件：

# 筛选用户年龄大于30且所在城市为北京的数据
age_and_location = user_data[(user_data["age"] > 30) & (user_data["city"] == "北京")]
print(age_and_location)

4. 模糊匹配

除了精确匹配，我们还可以使用 str.contains 方法进行模糊匹配：

# 筛选用户所在城市包含“京”的数据
city_contain_jing = user_data[user_data["city"].str.contains("京")]
print(city_contain_jing)

5. 处理空值

如果数据中存在空值，可以使用 isnull() 和 notnull() 方法进行判断，例如：

# 筛选用户名和邮箱都不为空的数据
not_null_data = user_data[user_data["name"].notnull() & user_data["email"].notnull()]
print(not_null_data)

6. 列索引

有时候我们需要只保留数据中特定的列，可以使用 [] 操作符获取指定的列：

# 只保留用户的姓名和年龄
name_and_age = user_data[["name", "age"]]
print(name_and_age)

以上就是用多个条件过滤 Pandas 数据框架的完整攻略，希望能够对你有所帮助。