一次性总结了pandas提取数据的15种方法，统统只需1行代码！

pandas是Python数据分析必备工具，它有强大的数据清洗能力，往往能用非常少的代码实现较复杂的数据处理

今天，总结了pandas筛选数据的15个常用技巧，主要包括5个知识点：

“

1. 比较运算： ==、<、>、>=、<=、!=

2. 范围运算： between(left,right)

3. 字符筛选: str.contains (pattern或字符串,na=False)

4. 逻辑运算： &（与）、|（或）、not(取反)

5. 比较函数： eq, ne, le, lt, ge, gt （相当于 ==,=!，<=，<，>=，> ）

6. apply 和 isin 函数

”

下面以超市运营数据为例，给大家逐个讲解首先读取数据：

import pandas as pd

data=pd.read_excel( '超市运营数据模板.xlsx')

data

先看一下各列的数据类型：

data.dtypes

商品ID int64

类别ID int64

门店编号 object

单价 float64

销量 float64

订单ID object

日期 datetime64[ns]

时间 object

dtype: object

下面以实际应用场景为例开始讲解：

1.筛选门店编号为'CDXL'的运营数据①第一种方法，用比较运算符‘==’： data[data.门店编号== 'CDXL']

②第二种方法，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第二种方法，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第二种方法，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第二种方法，用比较函数'ne': data[data[ '门店编号'].ne( 'CDXL')]

5.筛选2020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') #如果已为日期格式则此步骤可省略

data[ '日期']

import datetime

s_date = datetime.datetime.strptime( '2020-04-30', '%Y-%m-%d').date #起始日期

e_date = datetime.datetime.strptime( '2020-06-01', '%Y-%m-%d').date #结束日期

⑨第一种方法，用逻辑运算符号'>' '<'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<pd.Timestamp(e_date))]

⑩第二种，用比较函数'gt''lt'和'&': data[(data[ '日期'].lt(pd.Timestamp(e_date)))&(data[ '日期'].gt(pd.Timestamp(s_date)))]

⑪第三种，用apply函数实现: id_a=data.日期.apply(lambda x: x.year ==2020 and x.month==5)

data[id_a]

⑫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⑬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]

⑭第二种，用isin函数： id_i=data.类别ID.isin([ '000']) #接受一个列表

data[id_i]

很遗憾，isin函数搞不定，因为它只能判断该列中元素是否在列表中

7.筛选商品ID以“301”开头的运营数据⑮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( '301d{5}',na=False)

data[id_c2]