pandas按条件筛选数据的实现

pandas中对DataFrame筛选数据的方法有很多的，以后会后续进行补充，这里只整理遇到错误的情况。

1.使用布尔型DataFrame对数据进行筛选

使用一个条件对数据进行筛选，代码类似如下：

num_red=flags[flags['red']==1]

使用多个条件对数据进行筛选，代码类似如下：

stripes_or_bars=flags[(flags['stripes']>=1) | (flags['bars']>=1)]

常见的错误代码如下：

代码一：

stripes_or_bars=flags[flags['stripes']>=1 or flags['bars']>=1]

代码二：

stripes_or_bars=flags[flags['stripes']>=1 | flags['bars']>=1].

代码三：

stripes_or_bars=flags[(flags['stripes']>=1) or (flags['bars']>=1)]

以上这三种代码的错误提示都是：ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). 中括号里面的逻辑式如何解析的暂时不清楚。貌似不能使用and、or及not。

除了使用组合的逻辑表达式之外，使用返回类型为布尔型值的函数也可以达到筛选数据的效果。示例如下：

import pandas as pd
import numpy as np
df=pd.DataFrame(np.array(range(10)).reshape((5,-1)))
df.columns=['0','1']
df=df[df['1'].isin([3,5,9])]

 其df的结果如下：

2.iloc()方法、ix()方法和iloc()方法的区别

首先dataframe一般有两种类型的索引：第一种是位置索引，即dataframe自带的从0开始的索引，这种索引叫位置索引。另一种即标签索引，这种索引是你在创建datafram时通过index关键字，或者通过其他index相关方法重新给dataframe设置的索引。这两种索引是同时存在的。一般设置了标签索引之后，就不在显示位置索引，但不意味着位置索引就不存在了。

假设有如下几行数据(截图部分只是数据的一部分），很明显，以下显示的索引为标签索引。同时574(标签索引)行对应的位置索引则为0，1593行对应的位置索引为2， 以此类推。

先来看loc(),其API网址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.loc.htm，函数名下方有一行解释，Access a group of rows and columns by label(s) or a boolean array.. loc[] is primarily label based, but may also be used with a boolean array. 

代码一：

first_listing = normalized_listings.loc[[0,4]]

结果如下，可以看出其输出的是dataframe中标签索引为0和4的两行数据。注意，如果标签索引的类型为字符串，则在loc中也要用字符串的形式。

再来看iloc(),其API网址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.iloc.html，函数名下方的解释为 Purely integer-location based indexing for selection by position. .iloc[] is primarily integer position based ( from 0 to length-1 of the axis), but may also be used with a boolean array.

代码二:

first_listing = normalized_listings.iloc[[0,4]]

结果如下，可以看出其输出的dataframe中第0行和第4行的数据，即按方法是按照位置索引取得数。注意使用位置索引的时候只能用整数（integer position,bool类型除外）

另外，还可以向loc和iloc中传入bool序列，这样就可以将前面介绍的boo表达式用到loc和iloc中。下面来看看怎么使用bool序列？

import pandas as pd
data=pd.DataFrame(data={'col1':[1,2,3,5,10],'col2':[50,90,67,75,100]},         index=['a','b','c','d','e'])
print(data)
#iloc[]示例,iloc似乎不能直接使用逻辑表达式的结果，我这里将其转置成list之后就可以用了，原因暂且不明
data_1=data.iloc[list(data['col1']>5)]
print(data_1)
#loc[]示例，loc中可以直接使用逻辑表达式
data_2=data.loc[data['col1']>5]
print(data_2)

在iloc[]中，如果直接使用loc中的逻辑表达式而不进行list()转化的话，会提示ValueError: iLocation based boolean indexing cannot use an indexable as a mask错误。

如果查看上述两段代码中得到的first_listing。我们会发现两处first_listing的类型均为datafrarm。loc和iloc除了能对行进行筛选，还可以筛选列。如果在loc和iloc中设定了对列的筛选，则筛选之后得到的数据可能是datafrme类型，也有可能是Series类型。下面直接以代码运行结果进行说明。

import pandas as pd
data=pd.DataFrame(data={'col1':[1,2,3,5,10],'col2':[50,90,67,75,100]},         index=['a','b','c','d','e'])
print(data)
#iloc[]示例 ,在使用iloc的时候，[]里面无论是筛选行还是筛选列，都只能使用数字形式的行号或列号。
#这里如果使用‘col2',这里会报错
data_1=data.iloc[[0,4],[1]]#当需要筛选出多列或者希望返回的结果为DataFrame时，可以将列号用[]括起来。
print(data_1)
print(type(data_1))
data_2=data.iloc[[0,4],1]#当只需要筛选出其中的一列时可以只写一个列号，不加中括号，这种方法得到的是一个Series
print(data_2)
print(type(data_2))
#loc[]示例
data_3=data.loc[['a','e'],['col2']]
print(data_3)
print(type(data_3))
data_4=data.loc[['a','e'],'col2']
print(data_4)
print(type(data_4))

具体的代码执行结果如下：

最后看ix()方法，其API网址http://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.ix.html,其解释为 A primarily label-location based indexer, with integer position fallback.

代码三：

first_listing = normalized_listings.ix[[0,4]]

结果如下似乎与loc（）方法的结果是相同的，但是从其给出的解释来看，其好像是前两个方法的集合。