在数据框列值中使用 Python 多个条件

在 Python 中，我们可以使用 pandas 数据框（DataFrames）来处理和分析数据。在数据框中，我们经常需要使用多个条件来过滤数据，以便找到符合特定要求的行。在本文中，我们将介绍如何在数据框列值中使用 Python 多个条件。

Pandas 数据框基础

在开始讨论如何使用多个条件时，我们需要先了解 pandas 数据框的基础知识。数据框是一个二维标记数组，其列可以是不同的数据类型（例如数字、字符串、布尔值等）。我们可以通过使用各种 pandas 函数和方法来对数据框进行操作，例如过滤、排序、合并等。

首先，我们需要导入 pandas：

import pandas as pd

然后，我们可以使用 pandas 读取一个 CSV 文件并将其转换为数据框：

df = pd.read_csv('data.csv')

这里我们将数据框存储在变量 df 中。接下来，我们可以使用 head 方法来查看数据框的前几行：

print(df.head())

输出：

    Name  Age  Gender
0   Alex   20    Male
1   Jake   24    Male
2   Lisa   19  Female
3   Mary   30  Female
4  Peter   25    Male

这是一个包含四列的数据框，每一列各有五行数据。现在，让我们来看看如何使用多个条件来过滤数据框的行。

过滤数据框行

假设我们只想在数据框中选择性别为女性且年龄在 20 到 25 岁之间的行。我们可以使用 & 运算符连接两个条件。代码如下：

filtered_df = df[(df['Gender'] == 'Female') & (df['Age'] >= 20) & (df['Age'] <= 25)]

在这里，我们使用了三个条件：

• df['Gender'] == 'Female' 选择性别为女性的行。
• df['Age'] >= 20 选择年龄大于等于 20 岁的行。
• df['Age'] <= 25 选择年龄小于等于 25 岁的行。

注意，在每个条件周围有括号，以便让 Python 知道优先级。在这里，我们使用了 & 运算符将条件连接起来，这表示“与”运算。也就是说，只有当所有条件都为真时，行才会包含在 filtered_df 中。

我们可以使用 print 方法查看结果：

print(filtered_df)

输出：

   Name  Age  Gender
2  Lisa   19  Female

我们可以看到，只有 Lisa 这一行符合我们的条件。因为只有一个女性满足要求。

如果我们想要选择年龄大于 25 岁或年龄小于 20 岁的行，我们可以使用 | 运算符将两个条件连接起来。代码如下：

filtered_df = df[(df['Age'] < 20) | (df['Age'] > 25)]

在这里，我们使用了两个条件：

• df['Age'] < 20 选择年龄小于 20 岁的行。
• df['Age'] > 25 选择年龄大于 25 岁的行。

在这里，我们使用了 | 运算符将条件连接起来，它表示“或”运算。也就是说，行只需要符合一个条件即可包含在 filtered_df 中。

我们可以使用 print 方法查看结果：

print(filtered_df)

输出：

    Name  Age  Gender
0   Alex   20    Male
3   Mary   30  Female

我们可以看到，选出了年龄为 20 岁和 30 岁的两行数据。

小结

在本文中，我们介绍了如何在数据框列值中使用 Python 多个条件来过滤数据框的行。我们使用了 & 运算符和 | 运算符将条件连接起来，分别表示“与”运算和“或”运算。我们还介绍了 pandas 数据框的基础知识，包括如何读取和处理数据框。

希望这篇文章对你使用 Python 处理数据有所帮助！