DataFrame(8):DataFrame运算——逻辑运算(用于筛选数据)(一)

简介: DataFrame(8):DataFrame运算——逻辑运算(用于筛选数据)(一)

1、DataFrame逻辑运算

逻辑运算符号:> >= < <= == !=

复合逻辑运算符:& | ~

逻辑运算函数:query()、isin()、between()

逻辑运算的作用:利用逻辑运算,用于筛选数据(很重要)

2、原始数据文件链接如下

http://note.youdao.com/noteshare?id=bc204b1f1459da19148af2d378afff0e&sub=D4993BF4A71D45FD954C4414DD3D2A3D

读取数据:


df = pd.read_excel(r"C:\Users\黄伟\Desktop\test.xlsx")
display(df)


结果如下:


image.png

3、逻辑运算符的案例说明

1)筛选出“数学成绩大于等于60并且英语成绩大于等于70”的记录

df = pd.read_excel(r"C:\Users\黄伟\Desktop\test.xlsx")
display(df)
x = (df["数学"]>=60) & (df["英语"]>=70)
display(x)
df1 = df[(df["数学"]>=60) & (df["英语"]>=70)]
display(df1)


结果如下:

image.png


2)筛选出“语文成绩小于60或者数学成绩大于80”的记录

df = pd.read_excel(r"C:\Users\黄伟\Desktop\test.xlsx")
display(df)
x = (df["语文"]<60) | (df["数学"]>80)
display(x)
df1 = df[(df["语文"]<60) | (df["数学"]>80)]
display(df1)


结果如下:

image.png


3)筛选出“语文成绩里面的非空记录”的记录(这种方式很重要)

# 自己在原始数据中,任意删除三个值,重新读取即可
df = pd.read_excel(r"C:\Users\黄伟\Desktop\test.xlsx")
display(df)
x = df["语文"].isnull()
display(x)
y = ~df["语文"].isnull()
display(y)
df1 = df[~df["语文"].isnull()]
display(df1)


结果如下:

image.png

注意:isnull()判断某个值是否为空,如果是返回True,否则返回False。


相关文章
|
6月前
|
机器学习/深度学习 Python
pandas将dataframe列中的list转换为多列
在应用机器学习的过程中,很大一部分工作都是在做数据的处理,一个非常常见的场景就是将一个list序列的特征数据拆成多个单独的特征数据。
130 0
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)
|
6月前
|
SQL 数据采集 数据可视化
使用Python Pandas实现两表对应列相加(即使表头不同)
使用Python Pandas实现两表对应列相加(即使表头不同)
179 3
|
2月前
|
机器学习/深度学习 搜索推荐 算法
NumPy 教程 之 NumPy 排序、条件筛选函数 7
NumPy提供了多种排序方法,包括快速排序、归并排序与堆排序,各有不同的速度、最坏情况性能、工作空间及稳定性特点。此外,`numpy.where()`函数能够返回满足特定条件的元素索引,例如在数组`x`中查找大于3的元素,并利用所得索引打印出符合条件的所有元素。此教程详细解释了不同排序算法的特点及其适用场景,并通过实例展示了`numpy.where()`函数的具体应用。
21 6
|
2月前
|
机器学习/深度学习 搜索推荐 算法
NumPy 教程 之 NumPy 排序、条件筛选函数 2
介绍NumPy` 中的排序方法与条件筛选函数。通过对比快速排序、归并排序及堆排序的速度、最坏情况性能、工作空间需求和稳定性,帮助读者选择合适的排序算法。此外,还深入讲解了 `numpy.argsort()` 的使用方法,并通过具体实例展示了如何利用该函数获取数组值从小到大的索引值,并据此重构原数组,使得其变为有序状态。对于学习 `NumPy` 排序功能来说,本教程提供了清晰且实用的指导。
31 7
|
2月前
|
机器学习/深度学习 搜索推荐 算法
NumPy 教程 之 NumPy 排序、条件筛选函数 5
NumPy中的排序方法及特性对比,包括快速排序、归并排序与堆排序的速度、最坏情况性能、工作空间及稳定性分析。并通过`numpy.argmax()`与`numpy.argmin()`函数演示了如何获取数组中最大值和最小值的索引,涵盖不同轴方向的操作,并提供了具体实例与输出结果,便于理解与实践。
23 4
|
3月前
|
Python
掌握pandas中的时序数据分组运算
掌握pandas中的时序数据分组运算
|
2月前
|
机器学习/深度学习 搜索推荐 算法
NumPy 教程 之 NumPy 排序、条件筛选函数 1
NumPy提供了多种排序方法,包括快速排序、归并排序与堆排序等,每种方法在速度、最坏情况性能、工作空间及稳定性方面各有特点。`numpy.sort()`函数可返回数组排序副本,支持沿指定轴排序及字段排序。示例展示了如何对二维数组及含字段的数组进行排序操作。
26 3
|
2月前
|
机器学习/深度学习 搜索推荐 算法
NumPy 教程 之 NumPy 排序、条件筛选函数 3
本教程详细介绍了NumPy中的排序方法及条件筛选函数。NumPy提供了包括快速排序、归并排序和堆排序在内的多种排序算法,每种算法各有特点。此外,还介绍了`numpy.lexsort()`函数,它能对多个序列进行排序,适用于如小升初考试录取等场景。通过示例展示了如何使用该函数对姓名和年级数据进行排序。
16 0
|
JSON 数据可视化 数据挖掘
python数据可视化开发(2):pandas读取Excel的数据格式处理(数据读取、指定列数据、DataFrame转json、数学运算、透视表运算输出)
python数据可视化开发(2):pandas读取Excel的数据格式处理(数据读取、指定列数据、DataFrame转json、数学运算、透视表运算输出)
367 0