Python实用技巧：Pandas–DataFrame–筛选和删除含特定值的行与列

个人主页：高斯小哥
高质量专栏：Matplotlib之旅：零基础精通数据可视化、Python基础【高质量合集】、PyTorch零基础入门教程 希望得到您的订阅和支持~
创作高质量博文，分享更多关于深度学习、PyTorch、Python领域的优质内容！（希望得到您的关注~）

---

  欢迎来到我的技术博客！今天我们将一起探讨如何在Python的Pandas库中，使用DataFrame来筛选和删除含有特定值的行与列。Pandas是Python中一个非常强大的数据分析库，它提供了大量的功能来帮助我们高效地处理和分析数据。

关键词：#Pandas #DataFrame #筛选特定值 #删除特定值 #布尔索引 #drop方法 #实战演练 #数据处理

一、基础知识回顾

  在开始之前，让我们先回顾一下Pandas DataFrame的基础知识。DataFrame是Pandas中的一个核心数据结构，它可以看作是一个表格，拥有行和列，可以存储不同类型的数据。示例如下：

import pandas as pd

# 创建一个简单的DataFrame
data = {
    
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [25, 30, 35, 40],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']
}

df = pd.DataFrame(data)
print(df)

输出：

      Name  Age         City
0    Alice   25     New York
1      Bob   30  Los Angeles
2  Charlie   35      Chicago
3    David   40      Houston

二、筛选含有特定值的行

  在Pandas中，我们可以使用布尔索引来筛选含有特定值的行。布尔索引就是根据每个元素是否满足某个条件（返回True或False）来筛选数据。

# 筛选年龄大于30的行
df_filtered = df[df['Age'] > 30]
print(df_filtered)

上面的代码会筛选出年龄大于30的行，并返回一个新的DataFrame：

      Name  Age     City
2  Charlie   35  Chicago
3    David   40  Houston

三、删除含有特定值的行 ️

如果我们想从原始DataFrame中删除满足某个条件的行，可以使用drop方法。

# 删除年龄大于30的行
df_dropped = df.drop(df[df['Age'] > 30].index)
print(df[df['Age'] > 30].index)
print("*"*30)
print(df_dropped)

上面的代码会删除年龄大于30的行，并返回一个新的DataFrame：

Index([2, 3], dtype='int64')
******************************
    Name  Age         City
0  Alice   25     New York
1    Bob   30  Los Angeles

四、筛选含有特定值的列

同样地，我们也可以筛选含有特定值的列。

# 筛选城市为"Chicago"的列
df_filtered_columns = df[df['City'] == 'Chicago']
print(df['City'] == 'Chicago')
print("*"*30)
print(df_filtered_columns)

上面的代码会筛选出城市为"Chicago"的列，并返回一个新的DataFrame：

0    False
1    False
2     True
3    False
Name: City, dtype: bool
******************************
      Name  Age     City
2  Charlie   35  Chicago

五、删除含有特定值的列 ️

要删除含有特定值的列，我们可以使用drop方法，并指定columns参数。

# 删除城市为"Chicago"的列
df_dropped_columns = df.drop(columns=['City'])
print(df_dropped_columns)

上面的代码会删除城市列，并返回一个新的DataFrame：

      Name  Age
0    Alice   25
1      Bob   30
2  Charlie   35
3    David   40

注意：筛选和删除操作默认返回的是一个新的DataFrame，不会改变原始的DataFrame。

六、实战演练

假设我们有一个包含学生信息的DataFrame，我们要筛选出年龄大于15且城市为"New York"的学生。

import pandas as pd

# 创建一个包含学生信息的DataFrame
student_data = {
    
    'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank'],
    'Age': [22, 25, 18, 28, 21, 27],
    'City': ['New York', 'Los Angeles', 'Chicago', 'Houston', 'New York', 'San Francisco']
}

student_df = pd.DataFrame(student_data)
print("原始DataFrame:")
print(student_df)

# 筛选年龄大于1且5城市为"New York"的学生
filtered_students = student_df[(student_df['Age'] > 15) & (student_df['City'] == 'New York')]
print("\n筛选后的DataFrame:")
print(filtered_students)

上面的代码会筛选出年龄大于15且城市为"New York"的学生，并打印出筛选后的DataFrame：

原始DataFrame:
      Name  Age           City
0    Alice   22       New York
1      Bob   25    Los Angeles
2  Charlie   18        Chicago
3    David   28        Houston
4      Eve   21       New York
5    Frank   27  San Francisco

筛选后的DataFrame:
    Name  Age      City
0  Alice   22  New York
4    Eve   21  New York

---

七、最后

  亲爱的读者，感谢您每一次停留和阅读，这是对我们最大的支持和鼓励！在茫茫网海中，您的关注让我们深感荣幸。您的独到见解和建议，如明灯照亮我们前行的道路。若在阅读中有所收获，一个赞或收藏，对我们意义重大。

  我们承诺，会不断自我挑战，为您呈现更精彩的内容。有任何疑问或建议，欢迎在评论区畅所欲言，我们时刻倾听。让我们携手在知识的海洋中航行，共同成长，共创辉煌！感谢您的厚爱与支持，期待与您共同书写精彩篇章！

  您的点赞、收藏、评论和关注，是我们前行的最大动力！

   感谢阅读，祝你编程愉快！