Pandas是Python中一個(gè)非常強(qiáng)大的數(shù)據(jù)處理庫，可以用于處理各種數(shù)據(jù)類型，包括多列數(shù)據(jù)條件篩選。在實(shí)際應(yīng)用中，我們經(jīng)常需要從數(shù)據(jù)集中選擇滿足特定條件的數(shù)據(jù)子集。這篇文章將介紹如何使用Pandas進(jìn)行多列數(shù)據(jù)條件篩選，并提供一些示例代碼。

首先，讓我們考慮一個(gè)示例數(shù)據(jù)集。假設(shè)我們有一份關(guān)于銷售數(shù)據(jù)的Excel表格，其中包含了以下幾列數(shù)據(jù)：銷售日期、銷售人員、銷售地點(diǎn)、銷售金額。我們想要從這個(gè)數(shù)據(jù)集中選擇出符合以下條件的數(shù)據(jù)子集：

• 銷售日期為2022年
• 銷售人員為John或Mary
• 銷售地點(diǎn)為New York或Los Angeles
• 銷售金額大于1000美元

接下來，我們將演示如何使用Pandas進(jìn)行條件篩選。首先，我們需要導(dǎo)入Pandas庫并讀取Excel表格數(shù)據(jù)。

import pandas as pd

# 讀取Excel表格數(shù)據(jù)
df = pd.read_excel('sales_data.xlsx')

然后，我們可以通過多個(gè)布爾條件對(duì)數(shù)據(jù)集進(jìn)行篩選。例如，我們可以使用以下代碼來選擇符合上述條件的數(shù)據(jù)子集：

# 使用多個(gè)布爾條件進(jìn)行篩選
selected_df = df[(df['銷售日期'].dt.year == 2022) &
                 (df['銷售人員'].isin(['John', 'Mary'])) &
                 (df['銷售地點(diǎn)'].isin(['New York', 'Los Angeles'])) &
                 (df['銷售金額'] > 1000)]

# 打印符合條件的數(shù)據(jù)子集
print(selected_df)

在上面的代碼中，我們首先使用dt.year屬性從“銷售日期”列中提取年份，然后使用isin()方法檢查“銷售人員”和“銷售地點(diǎn)”是否包含特定值。最后，我們使用大于號(hào)（>）運(yùn)算符來比較“銷售金額”與1000美元的大小關(guān)系。

需要注意的是，在Pandas中，多個(gè)布爾條件之間使用邏輯運(yùn)算符進(jìn)行連接時(shí)，必須使用圓括號(hào)將每個(gè)條件括起來。

除了使用多個(gè)布爾條件外，我們還可以使用Pandas中的query()方法進(jìn)行條件篩選。例如，以下代碼與上面的代碼效果相同：

# 使用query()方法進(jìn)行篩選
selected_df = df.query('銷售日期.dt.year == 2022 and '
                       '銷售人員 in ["John", "Mary"] and '
                       '銷售地點(diǎn) in ["New York", "Los Angeles"] and '
                       '銷售金額 > 1000')

# 打印符合條件的數(shù)據(jù)子集
print(selected_df)

在上面的代碼中，我們使用字符串形式的條件表達(dá)式作為query()方法的參數(shù)，并使用and、in和大于號(hào)（>）等運(yùn)算符對(duì)條件進(jìn)行連接。

當(dāng)然，我們也可以將多個(gè)條件分開寫成多行代碼，例如：

# 分別篩選各個(gè)條件
condition1 = df['銷售日期'].dt.year == 2022
condition2 = df['銷售人員'].isin(['John', 'Mary'])
condition3 = df['銷售地點(diǎn)'].isin(['New York', 'Los Angeles'])
condition4 = df['銷售金額'] > 1000

# 將多個(gè)條件進(jìn)行合并
selected_df = df[condition1 & condition2 & condition3 & condition4]

# 打印符合條件的數(shù)據(jù)子集
print(selected_df)

在上面的代碼中，我們將每個(gè)條件分別定義為一個(gè)變量，然后使用邏輯運(yùn)算符對(duì)它們進(jìn)行連接，并將結(jié)果賦值給新的DataFrame對(duì)象。

至此，我們已經(jīng)介紹了如何使用Pandas進(jìn)行多列數(shù)據(jù)條件篩選。需要注意的是，在實(shí)際應(yīng)用中，我們

可能會(huì)遇到更復(fù)雜的篩選條件，需要使用更多的運(yùn)算符和函數(shù)。以下是一些常用的Pandas運(yùn)算符和函數(shù)：

• ==：等于
• !=：不等于
• <、<=：小于、小于等于
• >、>=：大于、大于等于
• &：邏輯與
• |：邏輯或
• ~：邏輯非
• isin()：是否包含某些值
• str.contains()：字符串中是否包含某個(gè)子串
• str.startswith()：字符串是否以某個(gè)子串開頭
• str.endswith()：字符串是否以某個(gè)子串結(jié)尾
• str.strip()：去除字符串兩側(cè)的空格
• str.lower()、str.upper()：將字符串轉(zhuǎn)換為小寫或大寫形式
• str.replace()：替換字符串中的某些子串

當(dāng)然，在實(shí)際應(yīng)用中，我們可能還需要進(jìn)行數(shù)據(jù)類型轉(zhuǎn)換、日期計(jì)算、缺失值處理等其他操作。如果您想深入了解Pandas的更多功能，請(qǐng)參考官方文檔或相關(guān)教程。

總之，Pandas提供了豐富的功能和靈活的語法，可以輕松地進(jìn)行多列數(shù)據(jù)條件篩選。我們只需要定義好條件并使用適當(dāng)?shù)倪\(yùn)算符和函數(shù)進(jìn)行連接即可。希望本文對(duì)您有所幫助！