3000字詳解Pandas數(shù)據(jù)查詢，建議收藏
DataFrame數(shù)據(jù)集中篩選符合指定條件的數(shù)據(jù)，希望會(huì)對(duì)讀者朋友有所幫助。導(dǎo)入數(shù)據(jù)集和模塊
我們先導(dǎo)入pandas模塊，并且讀取數(shù)據(jù)，代碼如下
import?pandas?as?pd
df?=?pd.read_csv("netflix_titles.csv")
df.head()
根據(jù)文本內(nèi)容來篩選
True如果文本內(nèi)容是相匹配的，False如果文本內(nèi)容是不匹配的，代碼如下mask?=?df['type'].isin(['TV?Show'])
mask.head()
output
0????False
1?????True
2?????True
3?????True
4?????True
Name:?type,?dtype:?bool
mask作用到整個(gè)數(shù)據(jù)集當(dāng)中，返回的則是滿足與True條件的數(shù)據(jù)df[mask].head()
output
.loc方法來相結(jié)合，只挑選少數(shù)的幾個(gè)指定的列名，代碼如下df.loc[mask,?['title','country','duration']].head()
output
???????????????????title???????country???duration
1??????????Blood?&?Water??South?Africa??2?Seasons
2??????????????Ganglands???????????NaN???1?Season
3??Jailbirds?New?Orleans???????????NaN???1?Season
4???????????Kota?Factory?????????India??2?Seasons
5??????????Midnight?Mass???????????NaN???1?Season
mask?=?df['type'].isin(['Movie','TV?Show'])
True，要是文本內(nèi)容全部都匹配，要是出現(xiàn)一個(gè)不匹配的現(xiàn)象則返回的是False根據(jù)關(guān)鍵字來篩選
listed-in包含的是每部電影的種類，當(dāng)然很多電影并不只有一個(gè)種類，而是同時(shí)涉及到很多個(gè)種類，例如某一部電影既有“科幻”元素，也有“愛情”元素同時(shí)還包含了部分“動(dòng)作片”的元素。mask?=?df['listed_in'].str.contains('horror',?case=False,?na=False)
case=False表明的是忽略字母的大小寫問題，na=False表明的是對(duì)于缺失值返回的是False，df[mask].head()
output
+、^以及=等符號(hào)時(shí)，我們可以將regex參數(shù)設(shè)置成False（默認(rèn)的是True），這樣就不會(huì)被當(dāng)做是正則表達(dá)式的符號(hào)，代碼如下df['a'].str.contains('^',?regex=False)
#或者是
df['a'].str.contains('\^')
根據(jù)多個(gè)關(guān)鍵字來篩選
當(dāng)關(guān)鍵字不僅僅只有一個(gè)的時(shí)候，就可以這么來操作
pattern?=?'horror|stand-up'
mask?=?df['listed_in'].str.contains(pattern,?case=False,?na=False)
df[mask].sample(5)
output
|來表示“或”的意思，將電影類別包含“horror”或者是“stand-up”這兩類的電影篩選出來除此之外，我們還可以這么來做
mask1?=?df['listed_in'].str.contains("horror",?case=False)
mask2?=?df['listed_in'].str.contains("stand-up",?case=False)
df[mask1?|?mask2].sample(5)
|表示的是“或”之外，也有表示的是和，也就是&標(biāo)識(shí)符，意味著條件全部都需要滿足即可，例如mask1?=?(df['listed_in'].str.contains('horror',?case=False,?na=False))
mask2?=?(df['type'].isin(['TV?Show']))
df[mask1?&?mask2].head(3)
output
我們可以添加多個(gè)條件在其中，多個(gè)條件同時(shí)滿足，例如
mask1?=?df['rating'].str.contains('tv',?case=False,?na=False)
mask2?=?df['listed_in'].str.contains('tv',?case=False,?na=False)
mask3?=?df['type'].str.contains('tv',?case=False,?na=False)
df[mask1?&?mask2?&?mask3].head()
output
正則表達(dá)式在pandas篩選數(shù)據(jù)中的應(yīng)用
str.contains('str1.*str2')代表的是文本數(shù)據(jù)是否以上面的順序呈現(xiàn)，pattern?=?'states.*mexico'
mask?=?data['country'].str.contains(pattern,?case=False,?na=False)
data[mask].head()
output
.*在正則表達(dá)式當(dāng)中表示匹配除換行符之外的所有字符，我們需要篩選出來包含states以及mexico結(jié)尾的文本數(shù)據(jù)，我們?cè)賮砜聪旅娴睦?/section>pattern?=?'states.*mexico|mexico.*states'
mask?=?data['country'].str.contains(pattern,?case=False,?na=False)
data[mask].head()
output
lambda方法來篩選文本數(shù)據(jù)中的應(yīng)用
lambda方法的介入，例如cols_to_check?=?['rating','listed_in','type']
pattern?=?'tv'
mask?=?data[cols_to_check].apply(
????????lambda?col:col.str.contains(
????????pattern,?na=False,?case=False)).all(axis=1)
rating、listed_in以及type這三列當(dāng)中篩選出包含tv的數(shù)據(jù)，我們來看一下結(jié)果如何df[mask].head()
output
我們?cè)賮砜聪旅娴倪@個(gè)例子，
mask?=?df.apply(
????lambda?x:?str(x['director'])?in?str(x['cast']),?
????axis=1)
director這一列是否被包含在了cast這一列當(dāng)中，結(jié)果如下df[mask].head()
output
filter方法
filter方法來篩選文本的數(shù)據(jù)，例如篩選出列名包含in的數(shù)據(jù)，代碼如下df.filter(like='in',?axis=1).head(5)
output
當(dāng)然我們也可以用.loc方法來實(shí)現(xiàn)，代碼如下
df.loc[:,?df.columns.str.contains('in')]
出來的結(jié)果和上述的一樣
axis改成0，就意味著是針對(duì)行方向的，例如篩選出行索引中包含Love的影片，代碼如下df_1?=?df.set_index('title')
df_1.filter(like='Love',?axis=0).head(5)
output
當(dāng)然我們也可以通過.loc方法來實(shí)現(xiàn)，代碼如下
df_1.loc[df_1.index.str.contains('Love'),?:].head()
篩選文本數(shù)據(jù)的其他方法
我們可以使用query方法，例如我們篩選出國(guó)家是韓國(guó)的影片
df.query('country?==?"South?Korea"').head(5)
output
例如篩選出影片的添加時(shí)間是11月的，代碼如下
mask?=?df["date_added"].str.startswith("Nov")
df[mask].head()
output
那既然用到了startswith方法，那么就會(huì)有endswith方法，例如
df['col_name'].str.endswith('2019')
除此之外還有這些方法可以用來篩選文本數(shù)據(jù)
df['col_name'].str.len()>10df['col_name'].str.isnumeric()df[col_name].str.isupper()df[col_name].str.islower()
本文為轉(zhuǎn)載分享&推薦閱讀，若侵權(quán)請(qǐng)聯(lián)系后臺(tái)刪除
對(duì)比Excel系列圖書累積銷量達(dá)15w冊(cè)，讓你輕松掌握數(shù)據(jù)分析技能，可以在全網(wǎng)搜索書名進(jìn)行了解：
評(píng)論
圖片
表情