总结了pandas提取数据的种方法，统统只需行代码，真香！.docxVIP

总结了pandas提取数据的15种方法，统统只需1行代码，真香！ ①第一种方法，用比较运算符‘==’： data[data.门店编号==CDXL] ②其次种方法，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其次种方法，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其次种方法，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其次种方法，用比较函数ne: data[data[门店编号].ne(CDXL)] 5.筛选2021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)??#假如已为日期格式则此步骤可省略data[日期] import?datetimes_date?=?datetime.datetime.strptime(2021-04-30,?%Y-%m-%d).date()??#起始日期e_date?=?datetime.datetime.strptime(2021-06-01,?%Y-%m-%d).date()??#结束日期 ⑨第一种方法，用规律运算符号 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 ⑩其次种，用比较函数gtlt和: data[(data[日期].lt(pd.Timestamp(e_date)))(data[日期].gt(pd.Timestamp(s_date)))] ?第三种，用apply函数实现: id_a=data.日期.apply(lambda?x:?x.year?==2021??and?x.month==5)data[id_a] ?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 ?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] ?其次种，用isin函数： id_i=data.类别ID.isin([000])??#接受一个列表data[id_i] 很圆满，isin函数搞不定，由于它只能推断该列中元素能否在列表中 7.筛选商品ID以“301”开头的运营数据 ?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] 假如觉得文章写的不错，请点个“在看”支持一下鸟哥！ -----------