Pandas-数据筛选

我们对 pandas 有了初步的认识，今天我们来学习一些 pandas 中更高阶的知识点。

数据筛选

还是以上一关的 2019年销售数据.csv 为例，我们想要筛选出那些总销售额低于平均值的销售员，同样也只要一行代码即可：

这和 NumPy 中数组的 布尔索引 是一样的，中括号里是筛选条件，返回值是所有符合条件的数据。 df['总和'] < df['总和'].mean() 的结果如下：

符合条件的为 True，不符合条件的为 False。最终 df[df['总和'] < df['总和'].mean()] 会去除所有结果为 False 的行，只保留下结果为 True 的。最终的返回结果如下：

这些人的业绩低于公司业绩的平均值，绩效不合格，需要重点关注他们，帮他们提高业绩。

我们也可以写多个条件进行判断，在 pandas 中要表示同时满足，各条件之间要用 & 符号连接。如果要表示只要满足之一，各条件之间要用 | 符号来连接。并且每个条件要用括号括起来，举个例子：

给数据打标签

pandas 的 cut() 方法常用于数据的分类和打标签，它的主要参数和用法如下：

第一个参数是要分类的列，参数 bins 是分类的方式，即分类区间。默认是左开右闭，上面的例子中表示按 (0, 1000] 、 (1000, 2000] 和 (2000, 3000] 分为三组。如果你想要左闭右开的方式，可以再添加一个参数 right=False 。

最后的参数 labels 分别对应了这三组的标签名。即 (0, 1000] 表示不合格， (1000, 2000] 表示良好， (2000, 3000] 表示优秀。

应用到我们的例子当中，需要按平均值来分类，对应的代码如下：

调用 head() 方法查看上述的前 5 条结果，显示如下：

绩效分打好了，我们还需要将其作为一列添加到表格当中，方法如下：

我们调用 print(df.head()) 来查看一下效果。

可以看到，使用 pandas，只要一行代码就完成了对员工的绩效评分。

之前我们都是对列进行操作，接下来我们一起看看关于行的操作。

行的查改增删

首先，我们用 DataFrame 构建一个简单的表格：

然后我们能得到下面这样的表格：

列是通过列名来获取的，同理，行是通过最左边的索引来获取。在不指定的情况下，索引值默认从 0 开始依次递增。我们可以使用 loc 基于索引进行表格行的查改增删。

查看行

以查看上面表格中第一行的数据为例，代码如下：

注意， loc 并不是一个方法，而是类似于字典。所以我们使用的是 [] 而不是 () ，这里千万不要用错。这样我们就能得到第一行的数据，运行结果如下：

如果你在构建表格时像下面这样单独设置了索引，同样也可以用对应的索引值来获取表格行的数据：

上面的代码中，表格的索引是日期。我们查看对应日期的数据时就需要将对应的日期作为索引，运行结果如下：

除了第一个参数索引外，还支持第二个参数列名。即同时基于行和列获取指定的数据，比如：

上面代码的意思是获取行为 0 且列为辣条的数据，运行的结果为 14。

同时，行和列还支持分片的写法，我们来看几个例子：

需要注意的是，这里的分片和 Python 中列表的分片不太一样，这里的分片结果是 前后都包含 的，而列表分片只包含前面不包含后面。上面代码的运行结果分别如下：

你也可以通过省略冒号前后的内容来实现全选，例如： df.loc[:, '辣条':'可乐'] ，这一点和列表的分片是一样的。

loc 同时也支持布尔索引来进行数据的筛选，比如获取辣条销量大于 15 的数据：

上面的写法等价于 df[df['辣条'] > 15] ，不同之处在于 loc 还能通过第二个参数筛选出只想查看的列，比如：

多条件筛选的写法前面说过，这里不再赘述。最后来总结一下 loc 的语法：

除了比较常用的 loc 之外，我们还能使用 iloc 。用法和 loc 一样，区别在于 loc 使用的参数是索引，而 iloc 的参数是位置，即第几行。

因此，在不指定索引的情况下， loc 和 iloc 的效果是一样的。但当单独指定了索引，我们想获取前 3 行数据时可以像下面这样写：

索引变成了日期，想要按位置获取数据的话只能使用 iloc ，这时如果使用 df.loc[:3] 将会报错。上面的代码运行结果如下：

注意， iloc 的分片和 Python 的列表分片一样，要和 loc 的分片规则区分开来。

修改行

假设某行的数据有问题，我们需要进行修正。修改起来同样也很简单，直接赋值即可。这里分为两种情况：

1. 赋值为一个数字；
2. 赋值为长度和列数相等列表。

对于第一种情况，这一行所有的数据都会被修改成同样的数字：

第二种情况则是按列表顺序修改对应的列：

当然你也可以使用例如 df.loc[0, '辣条'] = 23 定位到行和列来修改特定的数据。

新增行

你应该也发现了，行和列的基本操作都是类似的，只是具体的方式不同。新增行也是如此，只需传入表格中不存在的索引即可。

删除行

删除行和删除列一样，都是使用 drop() 方法。删除列的使用传入了 axis=1 表示对列进行删除， axis 默认为 0，因此删除行时省略 axis 参数即可。

在前面的案例中，公司老板嘉奖完最佳销售员工后，想知道哪个团队的总销售额最高，再给最佳销售团队颁个奖。这个任务对 pandas 来说也是小菜一碟，我们一起来看看如何解决。

最佳销售团队

pandas 提供了 groupby() 方法用于数据的分组，第一个参数用于指定按哪一列进行分组。我们要按团队分组就可以像下面这样写：

但仅仅进行分组是没有结果的，还需要调用 max() 、 min() 、 mean() 、 sum() 等方法进行分组后的计算。要找出最佳销售团队的话，就需要对其求和，即调用 sum() 方法。

分组统计后的结果如下：

pandas 自动帮我们对第一到第四季度以及总和的销售额进行了求和，能很清晰地看出每个团队的销售情况。

我们再对它按总和排个序来找到最佳销售团队：

可以看到，A 团队是最佳销售团队，而 C 团队则销售额垫底。

我们还能调用 mean() 方法查看各个团队的平均销售额：