总结了pandas提取数据的15种方法,统统只需1行代码,真香!

文章封面

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,鸟哥总结了pandas筛选数据的15个常用技巧,主要包括5个知识点:


1.比较运算:==、<、>、>=、<=、!=
2.范围运算:between(left,right)
3.字符筛选:str.contains(pattern或字符串,na=False)
4.逻辑运算:&(与)、|(或)、not(取反)
5.比较函数:eq, ne, le, lt, ge, gt(相当于==,=!,<=,<,>=,>)
6.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('301\d{5}',na=False)  
data[id_c2]  

如果觉得文章写的不错,请点个“在看”支持一下鸟哥!


**-----**------**-----**---**** End **-----**--------**-----**-****

往期精彩文章推荐:

欢迎各位大佬点击链接加入群聊【helloworld开发者社区】:https://jq.qq.com/?_wv=1027&k=mBlk6nzX进群交流IT技术热点。

本文转自 https://mp.weixin.qq.com/s/gUP8x2g0_9_lbXKjLTjxyA,如有侵权,请联系删除。

评论

暂无评论