条件选取数据dataframe

简介: 在pandas中,可以使用`merge`函数将两个dataframe合并在一起,然后使用`query`函数根据指定的条件选取数据。以下是一个例子:

在pandas中,可以使用merge函数将两个dataframe合并在一起,然后使用query函数根据指定的条件选取数据。以下是一个例子:

import pandas as pd

# 创建第一个dataframe
df1 = pd.DataFrame({
   
    'A': ['A0', 'A1', 'A2', 'A3'],
    'B': ['B0', 'B1', 'B2', 'B3'],
    'C': ['C0', 'C1', 'C2', 'C3']
})

# 创建第二个dataframe
df2 = pd.DataFrame({
   
    'A': ['A1', 'A2', 'A3', 'A4'],
    'D': ['D1', 'D2', 'D3', 'D4']
})

# 合并两个dataframe
df = pd.merge(df1, df2, on='A')

# 根据'D'列的值选取数据
df = df.query('D == "D2"')

print(df)

在这个例子中,我们首先创建了两个dataframe,然后使用merge函数将它们合并在一起,on参数指定了合并的关键列。然后,我们使用query函数根据D列的值选取数据,D == "D2"表示选取D列的值为D2的行。
输出结果如下:

   A  B  C  D
1  A1 B1 C1 D2

可以看到,我们成功地选取了在df2D列的值为D2的行,并将它们与df1合并在一起。

相关文章
|
12月前
|
Python
使用`merge`函数将两个dataframe合并在一起,然后使用`query`函数根据指定的条件选取数据
在pandas中,可以使用`merge`函数将两个dataframe合并在一起,然后使用`query`函数根据指定的条件选取数据。
108 1
DataFrame(8):DataFrame运算——逻辑运算(用于筛选数据)(二)
DataFrame(8):DataFrame运算——逻辑运算(用于筛选数据)(二)
DataFrame(8):DataFrame运算——逻辑运算(用于筛选数据)(二)
|
4月前
|
数据采集 数据可视化 数据挖掘
使用Pandas对Data列进行基于顺序的分组排列
使用Pandas对Data列进行基于顺序的分组排列
61 0
|
21天前
|
数据挖掘 Python
pandas中基于范围条件进行表连接
pandas中基于范围条件进行表连接
|
1月前
|
Python
Pandas 读取Eexcel - 间隔N行,读取某列数据
Pandas 读取Eexcel - 间隔N行,读取某列数据
24 0
|
4月前
|
Python
在Pandas中,利用boolean indexing可按条件过滤DataFrame
【5月更文挑战第2天】在Pandas中,利用boolean indexing可按条件过滤DataFrame。通过&(和)和|(或)操作符可基于多个条件筛选。
65 1
|
4月前
|
Python
dataframe循环更新某列的值
使用Python的for循环和Pandas DataFrame的iterrows()方法可更新DataFrame列值。示例中创建新列'D',其值为旧列'C'的一半。
103 2
|
4月前
在pyodps中,`groupby`方法用于对数据进行分组
在pyodps中,`groupby`方法用于对数据进行分组
89 1
DataFrame(8):DataFrame运算——逻辑运算(用于筛选数据)(一)
DataFrame(8):DataFrame运算——逻辑运算(用于筛选数据)(一)
DataFrame(8):DataFrame运算——逻辑运算(用于筛选数据)(一)
|
Python
dataframe操作查询
Pandas提供了多种查询方法,以下是一些常见的方法: 使用df.loc方法,根据行、列的标签值查询。 使用df.iloc方法,根据行、列的数字位置查询。 使用df.where方法,根据条件过滤数据。 使用df.query方法,根据字符串表达式查询数据。
687 0