Pandas中如何进行数据筛选与排序

在Pandas中，数据筛选和排序是常见的数据分析操作。以下是一些基本的示例：

数据筛选

1. 基于列名筛选：

import pandas as pd

# 创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)

# 筛选出年龄大于30的行
filtered_df = df[df['Age'] > 30]
print(filtered_df)

2. 基于多个条件筛选：

# 筛选出年龄大于30且城市为'Chicago'的行
filtered_df = df[(df['Age'] > 30) & (df['City'] == 'Chicago')]
print(filtered_df)

3. 使用query方法筛选：

# 使用query方法筛选年龄大于30的行
filtered_df = df.query('Age > 30')
print(filtered_df)

4. 使用isin方法筛选：

# 筛选出城市为'New York'或'Chicago'的行
cities = ['New York', 'Chicago']
filtered_df = df[df['City'].isin(cities)]
print(filtered_df)

数据排序

1. 基于单列排序：

# 按年龄升序排序
sorted_df = df.sort_values(by='Age')
print(sorted_df)

# 按年龄降序排序
sorted_df = df.sort_values(by='Age', ascending=False)
print(sorted_df)

2. 基于多列排序：

# 先按年龄升序排序，再按城市降序排序
sorted_df = df.sort_values(by=['Age', 'City'], ascending=[True, False])
print(sorted_df)

3. 使用sort_index方法排序：

# 按索引升序排序
sorted_df = df.sort_index()
print(sorted_df)

# 按索引降序排序
sorted_df = df.sort_index(ascending=False)
print(sorted_df)

综合示例

import pandas as pd

# 创建一个示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Age': [25, 30, 35, 40],
        'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']}
df = pd.DataFrame(data)

# 筛选出年龄大于30的行，并按年龄降序排序
filtered_sorted_df = df[df['Age'] > 30].sort_values(by='Age', ascending=False)
print(filtered_sorted_df)

通过这些方法，你可以灵活地进行数据筛选和排序操作。根据具体需求选择合适的方法即可。