還是老套路，我們需要先讀取一組數據作為測試文件。
測試文件使用讀書(shū)筆記7的材料，傳送門(mén)如下：
文件讀取功能（Pandas讀書(shū)筆記7）
分享篩選功能之前，我們先分享如何提取某一列，某一行
一、提取DataFrame數據的某一行
1、顯示前N行
使用head函數
2、顯示后N行
3、顯示任意某一行
這里需要說(shuō)明pandas數據是從0開(kāi)始編號的，而我們原始數據是從1開(kāi)始編號的。
所以使用ix函數的時(shí)候，我們輸入的是ix[2]，選擇的是原始數據的第三行
4、顯示任意中間行
特殊說(shuō)明1：選取任意行除了ix函數，loc和iloc均可
特殊說(shuō)明2：這里不像列表那里有左閉右開(kāi)的限制。這里兩個(gè)數字都是閉合的，案例中[7:11]則選取的是第8行至第12行（pandas從0開(kāi)始編號）
二、提取任意列
1、按照列名提取單列
2、按照列名提取多列
三、提取任意行列數據
1、提取5至9行、列名字為名稱(chēng)的數據
2、提取5至9行、列名字為名稱(chēng)的數據（方法二）
3、提取5至9行、列名字為名稱(chēng)、最高的數據
四、單條件篩選
篩選其實(shí)就是將某列符合特殊條件的篩選出來(lái)，那我們先設立一個(gè)小目標！將漲跌額為正數的篩選出來(lái)！
如何判斷？無(wú)外乎為大于小于等于判斷咯！
df['漲跌額']是選出漲跌額這一列
我們看到使用判斷后返回的是一個(gè)布爾型的數據，是一個(gè)TRUE和FALSE的集合體。
那我們如何將這個(gè)布爾型的數據實(shí)現篩選的功能呢？
我們將這個(gè)布爾型數據作為一個(gè)參數，外面套上原始數據和中括號即可！就實(shí)現了篩選功能。
原理就是布爾型數據為真的話(huà)，羅列出來(lái)！
五、篩選失敗的解決方案
成功的道路總是相同的，不成功的道路各有各的不同，本環(huán)節其實(shí)才是本篇文章的精華之一，另一個(gè)精華就是模糊篩選~~
我們已經(jīng)實(shí)現了根據漲跌額來(lái)實(shí)現篩選，那根據漲跌幅為正數進(jìn)行篩選可以嗎？
我們先試驗一下！
錯誤提示字面理解就是大于號不能存在在文本和整型之間。
轉義一下就是你的原始數據不能是字符串！
常見(jiàn)錯誤：原始數字使用文本形式存儲
所以在這里和大家介紹一下如何強制文本轉數字
上述兩種方法均可！
細心的朋友肯定會(huì )說(shuō)：“你框我！不是轉化漲跌幅咩！怎么搞成漲跌額了！”
發(fā)現傳統的文本轉數字不管用哇！為蝦米呢？這個(gè)文本轉數字只適用于數字以文本形式存儲的數據，不適用于本身只能用文本形式存儲的數據。（略拗口，可以自己想想~）
由于原始數據帶了一個(gè)%。所以帶%的文本轉數字是比較麻煩的~麻煩程度與Excel處理該類(lèi)問(wèn)題相同。
那如何解決呢？
df['漲跌幅'] = df['漲跌幅'].str.strip('%').astype(float)/100;
我們使用str.strip('%')函數將原始數據的百分號剔除，然后使用astype(float)將原始數據強制轉化為浮點(diǎn)型數據，除以100，讓原始數據保持不變；最后使用賦值將更改后的數據重新賦值給漲跌幅那一列。
然后就可以毫無(wú)壓力的實(shí)現目標了！只不過(guò)將最初的百分比形式展示的改為了小數。
六、多條件篩選
1、且關(guān)系篩選
我們想要得到漲跌幅大于0，且成交量大于1000的數據。
首先漲跌幅大于0怎么表示呢？
df['漲跌幅']>0
成交量大于1000怎么表示呢？
df['成交量']>1000
錯誤總是那么相似，做個(gè)文本轉數字吧
pd.to_numeric(df['成交量'])>1000
發(fā)現還不行，原來(lái)還有這個(gè)符號“-”，無(wú)法強制轉化為數字！
事實(shí)證明，工作中的編程其實(shí)是處于發(fā)現問(wèn)題，解決問(wèn)題的過(guò)程~
那我們多增加一步，先把-替換掉
pd.to_numeric(df['成交量'].str.strip('-'))>1000
費了九年二虎之力，終于分別實(shí)現了不同列的判斷條件。
如何把兩列混合在一起呢？如何以且關(guān)系進(jìn)行組合判斷呢？
df[(df['漲跌幅'] >0)&(pd.to_numeric(df['成交量'].str.strip('-'))>1000)]
我們看一下代碼的邏輯，單條件的代碼邏輯如下：
變量[變量[列]符合什么條件]
簡(jiǎn)化就是 變量的中括號內接一個(gè)條件
那多條件如何表達呢？
變量[（條件1）&（條件2）&（條件N）]
多條件且關(guān)系篩選其實(shí)就是將不同條件用括號括起來(lái)后使用&字符連接~
2、或關(guān)系篩選
前面有了且關(guān)系的鋪墊，或關(guān)系其實(shí)就是把&變更為 |即可！
df[(df['漲跌幅'] >0)|(pd.to_numeric(df['成交量'].str.strip('-'))>1000)]
變量[（條件1）|（條件2）|（條件N）]
七、模糊篩選
模糊篩選想當年也浪費了我不少時(shí)間，我以為pandas會(huì )自帶一個(gè)函數來(lái)的，結果是使用字符串的形式來(lái)實(shí)現的~
提問(wèn)：我們將名稱(chēng)那一列含有“金”字的行提取出來(lái)~
Excel實(shí)現這個(gè)功能很簡(jiǎn)單，因為可以通過(guò)我最喜歡的通配符實(shí)現~
pandas只能使用字符串函數find函數，該函數用法與Excel相同~
解釋一下這段代碼
df[df['名稱(chēng)'].str.find('金', start=0, end=None)>=0]
最外層的df[ ]表示呈現整個(gè)表
df['名稱(chēng)'].str.find('金', start=0, end=None)>=0
將名稱(chēng)那一列使用字符串的find函數，如果find的返回值大于0，證明就是含有金字的，如果沒(méi)有金字，返回值是-1，所以通過(guò)該方法可以判斷哪行數據含有金字。
嗯嗯，很有才~~~
聯(lián)系客服
