使用列表推导式实现Pandas DataFrame多条件数据筛选的方法
基于列表推导式的DataFrame多条件筛选实现
前置准备
首先导入pandas并构造示例DataFrame:
import pandas as pd # 构造示例数据 data = { "t": ["2012-03-01 00:00:00", "2012-03-01 00:00:10", "2012-03-01 00:00:20", "2012-03-01 00:00:30", "2012-03-01 00:00:40", "2012-03-01 00:00:50", "2012-03-01 01:00:00", "2012-03-01 00:00:10"], "a": [100, 200, 500, 600, 50, 70, 1000, 2100], "b": [2, 5.6, 6.2, 7.0, 3.2, 12.12, 15.14, 4.9] } df = pd.DataFrame(data)
列表推导式筛选实现
核心逻辑是遍历DataFrame每一行,判断是否同时满足两个筛选条件,生成布尔值列表作为索引掩码,最终用掩码提取符合要求的行:
# 列表推导式生成筛选掩码 filter_mask = [ (100 < row.a < 2000) and (row.b > 5) for _, row in df.iterrows() ] # 索引原表得到结果 new_df = df[filter_mask]
结果验证
打印new_df即可得到预期输出:
t a b 1 2012-03-01 00:00:10 200 5.60 2 2012-03-01 00:00:20 500 6.20 3 2012-03-01 00:00:30 600 7.00 6 2012-03-01 01:00:00 1000 15.14
补充说明
如果不是必须使用列表推导式,更推荐pandas原生布尔索引写法,处理大数据量时性能更高:
new_df = df[(df["a"] > 100) & (df["a"] < 2000) & (df["b"] > 5)]
内容的提问来源于stack exchange,提问作者Ankita
相关产品推荐
相关产品推荐

