一、筛选功能

（一）加载Excel数据

import pandas as pd
df = pd.read_excel('数据.xlsx',sheet_name = 'data')

• pd.read_excel，加载数据

• 第一个参数，指定数据源路径

  注意绝对路径与相对路径

• sheet_name ,指定读取工作表

• 由于工作表中有多余的列数据，我们只需要前10列，因此指定 usecols 参数。
  他接受一个列表。list(range(0,10))，其实相当于[0,1,2…………,9]的一个列表
• 参数详解可参照read_excel参数详解
• 本文示例数据如下：

数据.xlsx

成绩单-高级筛选.xlsx

（二）按位置（索引）筛选

# 筛选第3行到第6行
df.loc[2:5]

1、按索引筛选

2、按值筛选

1.单条件按值筛选

• • df[‘sex’] ，就是性别列
• • df[‘sex’]==’M’ ，语义清晰，性别等于M

    2.多条件按值筛选

• 多条件也不在话下，”显示男性并且血型是A+”，如下：

3、query方法

1.单条件筛选

2.多条件筛选

• query 方法，可以直接接受一个查询字符串，是不是很像 Sql 呢

指定多个值也很简单，”血型是A+或B-“，如下：

• 查询字符串可以直接用 in

  3.值范围

• “收入在5000至8000的男性”，pandas 如下：

4.接受外部变量

• 筛选班级为4，5，7的

• 查询字符串要使用外部变量，只需要写 “@+变量名字” 即可

5.按新增求和列筛选

• 第一句，添加新列，总和列。
  pandas 新增列非常简单，df[新列名字]=新列值，即可
  
• df.loc[:,’语文’:’生物’] ，是获取语文到生物之间的列的数据
  
• .sum(axis=1) ，横向求和。
  因为 pandas 可以灵活对行或列做运算，通过 axis 即可表达运算是对行还是列操作。
  

• 第二句即查询，通俗易懂
  

  6.嵌套逻辑关系符

  

• query 中的查询字符串可以使用 python 中的逻辑关键字 and 或 or 这些都可以

4、模糊筛选

1. 筛选首字母A的数据

• 血型 列是文本类型，因此可以用 .str ，从而使用一系列文本快捷方法

1. “住址内容包含 天津市 3字”的记录。如下：

    ![](https://cdn.nlark.com/yuque/0/2020/png/680774/1578985128582-f69e1d8d-22d3-4484-a88c-3380cb63693f.png)

1. “住址内容有 x座 ，x是字母a至c，大小写都算”

• contains 方法可以用正则表达式
• contains 函数用法

  Series.str.contains(pat, case=True, flags=0, na=nan, regex=True)是否包含查找的字符串 参数: pat : 字符串/正则表达式 case : 布尔值, 默认为True.如果为True则匹配敏感(大小写敏感) flags : 整型,默认为0(没有flags) na : 默认为NaN,替换缺失值. regex : 布尔值, 默认为True.如果为真则使用re.research,否则使用Python 返回值: 布尔值的序列(series)或数组(array)

(二)高级筛选

• 总分高于平均分的学生

• 总分高于所在班级平均分的学生

• .groupby(‘班级’) ，按班级分组

  groupby 用法

• .apply ，对每组查询总分超出平均分的记录。这里的 query 字符串与上一例子是一样的

  apply用法

• 定义一个方法，这有利于重用逻辑
• 前2句，先求出每科平均分
• 然后求出每位学生高于平均分的科目数量 count
• 最后简单判断一下，即可得到结果

• 调用函数，求出全级8科成绩均大于平均分的学生

• 按班级分组，每班中8科成绩均大于平均分的学生

• 添加参数”sjs”
• “8科成绩都低于班内平均水平的学生”