Pandas条件筛选与组合筛选的使用

在Pandas中，条件筛选和组合筛选是两种常见的数据筛选方式。它们可以帮助我们快速地筛选和过滤数据，从而进行数据分析和绘图。

条件筛选

条件筛选是根据条件来筛选数据的过程。Pandas提供了多种条件筛选的方法，如使用query()函数、使用布尔索引等。

使用query()函数

query()函数可以根据传入的查询表达式来筛选数据。查询表达式可以包含多个条件，使用and、or、not等逻辑运算符组合，更加灵活方便。

例如，我们有以下一份员工数据的DataFrame表格：

import pandas as pd

data = {
    'Name': ['Tom', 'Jerry', 'Peter', 'Jack', 'Lucy', 'Mary'],
    'Age': [25, 28, 35, 21, 28, 30],
    'Gender': ['M', 'M', 'M', 'M', 'F', 'F'],
    'Salary': [3000, 4500, 5000, 2000, 6000, 5500]
}

df = pd.DataFrame(data)
print(df)

输出结果为：

    Name  Age Gender  Salary
0    Tom   25      M    3000
1  Jerry   28      M    4500
2  Peter   35      M    5000
3   Jack   21      M    2000
4   Lucy   28      F    6000
5   Mary   30      F    5500

我们可以使用query()函数来筛选年龄大于等于30岁且工资不低于5000元的男性员工，代码如下：

result = df.query('Age>=30 and Gender=="M" and Salary>=5000')
print(result)

输出结果为：

    Name  Age Gender  Salary
2  Peter   35      M    5000

使用布尔索引

布尔索引可以根据条件来筛选数据。我们可以使用条件运算符（如>、>=、<、<=、==、!=等）来生成条件，然后将条件传递给DataFrame表格，进行数据筛选。

例如，我们可以使用以下代码筛选出所有年龄大于等于30岁的员工：

result = df[df['Age']>=30]
print(result)

输出结果为：

    Name  Age Gender  Salary
2  Peter   35      M    5000
5   Mary   30      F    5500

组合筛选

组合筛选是将多个条件组合起来进行筛选的方式。Pandas提供了&（与）、|（或）和~（非）等符号来实现组合筛选。

例如，我们可以使用以下代码筛选出所有年龄不小于25岁且薪资在4000元至6000元之间的员工：

result = df[(df['Age']>=25) & (df['Salary']>=4000) & (df['Salary']<=6000)]
print(result)

输出结果为：

    Name  Age Gender  Salary
0    Tom   25      M    3000
1  Jerry   28      M    4500
4   Lucy   28      F    6000

总结

条件筛选和组合筛选是Pandas中常用的数据筛选方式。通过灵活使用条件运算符和逻辑运算符，我们可以完成各种数据筛选和过滤的操作，方便我们进行数据分析和绘图。