pandas是Python数据分析必备工具,它有强大的数据清洗能力,往往能用非常少的代码实现较复杂的数据处理
今天,总结了pandas筛选数据的15个常用技巧,主要包括5个知识点:
比较运算:==、《、》、》=、《=、!=
范围运算:between(left,right)
字符筛选:str.contains(pattern或字符串,na=False)
逻辑运算:&(与)、|(或)、not(取反)
比较函数:eq, ne, le, lt, ge, gt(相当于==,=!,《=,《,》=,》)
apply和isin函数
”下面以超市运营数据为例,给大家逐个讲解首先读取数据:
import pandas as pd
data=pd.read_excel(‘超市运营数据模板.xlsx’)
data
先看一下各列的数据类型:
data.dtypes
商品ID int64
类别ID int64
门店编号 object
单价 float64
销量 float64
订单ID object
日期 datetime64[ns]
时间 object
dtype: object
下面以实际应用场景为例开始讲解:
1.筛选门店编号为‘CDXL’的运营数据①第一种方法,用比较运算符‘==’:
data[data.门店编号==‘CDXL’]
②第二种方法,用比较函数‘eq’:
data[data[‘门店编号’].eq(‘CDXL’)]
2.筛选单价小于等于10元的运营数据③第一种方法,用比较运算符‘《=’:
data[data.单价《=10]
④第二种方法,用比较函数‘le’:
data[data[‘单价’].le(10)]
3.筛选销量大于2000的运营数据⑤第一种方法,用比较运算符‘》=’:
data[data.销量》2]
⑥第二种方法,用比较函数‘ge’:
data[data[‘销量’].ge(2)]
4.筛选除门店‘CDXL’外的运营数据⑦第一种方法,用比较运算符‘!=’:
data[data.门店编号!=‘CDXL’]
⑧第二种方法,用比较函数‘ne’:
data[data[‘门店编号’].ne(‘CDXL’)]
5.筛选2020年5月的运营数据首先将日期格式化:
data[‘日期’]=data[“日期”].values.astype(‘datetime64’) #如果已为日期格式则此步骤可省略
data[‘日期’]
import datetime
s_date = datetime.datetime.strptime(‘2020-04-30’, ‘%Y-%m-%d’).date() #起始日期
e_date = datetime.datetime.strptime(‘2020-06-01’, ‘%Y-%m-%d’).date() #结束日期
⑨第一种方法,用逻辑运算符号‘》’ ‘《’和‘&’:
Pandasdatetime64[ns]不能直接与datetime.date相比,需要用pd.Timestamp进行转化
data[(data.日期》pd.Timestamp(s_date))&(data.日期《pd.Timestamp(e_date))]
⑩第二种,用比较函数‘gt’‘lt’和‘&’:
data[(data[‘日期’].lt(pd.Timestamp(e_date)))&(data[‘日期’].gt(pd.Timestamp(s_date)))]
⑪第三种,用apply函数实现:
id_a=data.日期.apply(lambda x: x.year ==2020 and x.month==5)
data[id_a]
⑫第四种,用between函数实现:
id_b=data.日期.between(pd.Timestamp(s_date),pd.Timestamp(e_date))
data[id_b]
6.筛选“类别ID”包含‘000’的数据⑬第一种,用contains函数:
data[‘类别ID’]=data[‘类别ID’].values.astype(‘str’) #将该列转换为字符数据类型
id_c=data.类别ID.str.contains(‘000’,na=False)
data[id_c]
⑭第二种,用isin函数:
id_i=data.类别ID.isin([‘000’]) #接受一个列表
data[id_i]
很遗憾,isin函数搞不定,因为它只能判断该列中元素是否在列表中
7.筛选商品ID以“301”开头的运营数据⑮需要用contains函数结合正则表达式使用:
data[‘商品ID’]=data[‘商品ID’].values.astype(‘str’) #将该列转换为字符数据类型
id_c2=data.商品ID.str.contains(‘301d{5}’,na=False)
data[id_c2]
为了方便大家学习,我已经将本文数据及代码打包好,请关注 数据分析与开发 公众号在后台回复关键字:筛选数据 获取。
原文标题:一次性总结了pandas提取数据的15种方法,统统只需1行代码!
文章出处:【微信公众号:数据分析与开发】欢迎添加关注!文章转载请注明出处。
责任编辑:haq
全部0条评论
快来发表一下你的评论吧 !