本篇内容主要讲解“python数据处理的方法”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“python数据处理的方法”吧!
0.25 版本开始支持 query 方法，可读性上又获得大幅提升，类似 sql 查询数据的写法，更加人性化。
下面举例说明，过滤数据常用三种方法。
计算
安全
数据库
网络和加速
企业服务
df = pd.DataFrame({'A':np.random.randint(1,20,(8,)), 'B':np.random.randint(1,20,(8,)), 'C':np.random.randint(1,20,(8,))})df 
过滤条件：A列值大于其平均值，且 B列值大于 5 的行
方法 1
df[ (df['A'] > df["A"].mean()) & (df['B'] > 5)]注意，& 前后必须要各自加一对 ()
方法 2
cr1 = df['A'] > df["A"].mean()cr2 = df['B'] > 5df[cr1 & cr2] 方法 3
mean = df["A"].mean()df.query("A > @mean & B > 5")query 是今天重点提到的，使用语法规则见上，变量前添加 @。这种语法的可读性大家觉得怎么样？
顺便提一下，如果列的名称中间有空格，有一个特别的语法，使用一对 `` 符号来标记列名：
df = pd.DataFrame({'First Name':['Jack','Mary','Mike']})df.query('`First Name` == \'Jack\'')以上三种方法得到结果都为：
首先读入数据：
df = pd.read_csv("IMDB-Movie-Data.csv")df
1000 行数据，genre 取值的频次统计如下：
vc = df["genre"].value_counts()vc 打印结果：
Action,Adventure,Sci-Fi 50Drama 48Comedy,Drama,Romance 35Comedy 32Drama,Romance 31 ..Adventure,Comedy,Fantasy 1Biography,History,Thriller 1Action,Horror 1Mystery,Thriller,Western 1Animation,Fantasy 1Name: genre, Length: 207, dtype: int64 筛选出 top3 的 index:
top_genre = vc[0:3].indexprint(top_genre) 打印结果：
Index(['Action,Adventure,Sci-Fi', 'Drama', 'Comedy,Drama,Romance'], dtype='object')使用得到的 top3 的 index ，结合 isin,选择出相应的 df
df_top = df[df["genre"].isin(top_genre)]df_top结果：
到此，相信大家对“python数据处理的方法”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
原文链接：https://my.oschina.net/u/4585819/blog/4401065
