「超全+實用」常用的幾個篩選數據的技巧_建議收

哈嘍，大家好，今天為d大家總結了幾個篩選數據得常用技巧：

主要包括以下幾個知識點：

“

比較運算：==、<、>、>=、<=、!=范圍運算：between(left,right)字符篩選:str.contains(pattern或字符串,na=False)邏輯運算：&（與）、|（或）、not(取反)比較函數：eq, ne, le, lt, ge, gt（相當于==,=!，<=，<，>=，>）apply和isin函數

”

接下來我們主意講解上面函數各自得運用，以案例進行開始我們得講解吧！import pandas as pd

data=pd.read_excel('超市運營數據模板.xlsx')
data

先看一下各列得數據類型：

data.dtypes
商品 int64
類別 int64
門店編號 object
單價 float64
不錯 float64
訂單 object
日期 datetime64[ns]
時間 object
dtype: object

下面以實際應用場景為例開始講解：

1.篩選門店編號為'CDXL'得運營數據①第壹種方法，用比較運算符‘==’：

data[data.門店編號=='CDXL']

②第二種方法，用比較函數'eq'：

data[data['門店編號'].eq('CDXL')]

2.篩選單價小于等于10元得運營數據③第壹種方法，用比較運算符‘<=’:

data[data.單價<=10]

④第二種方法，用比較函數'le'：

data[data['單價'].le(10)]

3.篩選不錯大于2000得運營數據⑤第壹種方法，用比較運算符‘>=’:

data[data.不錯>2]

⑥第二種方法，用比較函數'ge'：

data[data['不錯'].ge(2)]

4.篩選除門店'CDXL'外得運營數據⑦第壹種方法，用比較運算符‘!=’:

data[data.門店編號!='CDXL']

⑧第二種方法，用比較函數'ne':

data[data['門店編號'].ne('CDXL')]

5.篩選上年年5月得運營數據

首先將日期格式化：

data['日期']=data["日期"].values.astype('datetime64') #如果已為日期格式則此步驟可省略
data['日期']
import datetime
s_date = datetime.datetime.strptime('上年-04-30', '%Y-%m-%d').date() #起始日期
e_date = datetime.datetime.strptime('上年-06-01', '%Y-%m-%d').date() #結束日期

⑨第壹種方法，用邏輯運算符號'>' '<'和'&'：

Pandasdatetime64[ns]不能直接與datetime.date相比，需要用pd.Timestamp進行轉化

data[(data.日期>pd.Timestamp(s_date))&(data.日期<pd.Timestamp(e_date))]

⑩第二種，用比較函數'gt''lt'和'&':

data[(data['日期'].lt(pd.Timestamp(e_date)))&(data['日期'].gt(pd.Timestamp(s_date)))]

?第三種，用apply函數實現:

id_a=data.日期.apply(lambda x: x.year ==上年 and x.month==5)
data[id_a]

?第四種，用between函數實現:

id_b=data.日期.between(pd.Timestamp(s_date),pd.Timestamp(e_date))
data[id_b]

6.篩選“類別”包含'000'得數據?第壹種，用contains函數：

data['類別']=data['類別'].values.astype('str') #將該列轉換為字符數據類型
id_c=data.類別.str.contains('000',na=False)
data[id_c]

?第二種，用isin函數：

id_i=data.類別.isin(['000']) #接受一個列表
data[id_i]

很遺憾，isin函數搞不定，因為它只能判斷該列中元素是否在列表中

7.篩選商品以“301”開頭得運營數據?需要用contains函數結合正則表達式使用：

data['商品']=data['商品'].values.astype('str') #將該列轉換為字符數據類型
id_c2=data.商品.str.contains('301\d{5}',na=False)
data[id_c2]

為了方便大家學習，我已經將感謝數據及代碼打包好，如有需要，可以下方卡片，后在后臺回復：篩選數據 獲取。