pandas是python数据分析必备工具，它有强大的数据清洗能力，往往能用非常少的代码实现较复杂的数据处理

今天总结了pandas筛选数据的15个常用技巧，主要包括5个知识点：1.比较运算：==、<、>、>=、<=、!=2.范围运算：between(left,right)3.字符筛选:str.contains(pattern或字符串,na=False)4.逻辑运算：&（与）、|（或）、not(取反)5.比较函数：eq, ne, le, lt, ge, gt（相当于==,=!，<=，<，>=，>）6.apply和isin函数

下面以超市运营数据为例，给大家逐个讲解

首先读取数据：

先看一下各列的数据类型：

下面以实际应用场景为例开始讲解：

1.筛选门店编号为'CDXL'的运营数据

①第一种方法，用比较运算符‘==’：

②第二种方法，用比较函数'eq'：

2.筛选单价小于等于10元的运营数据

③第一种方法，用比较运算符‘<=’:

④第二种方法，用比较函数'le'：

3.筛选销量大于2000的运营数据

⑤第一种方法，用比较运算符‘>=’:

⑥第二种方法，用比较函数'ge'：

4.筛选除门店'CDXL'外的运营数据

⑦第一种方法，用比较运算符‘!=’:

⑧第二种方法，用比较函数'ne':

5.筛选2020年5月的运营数据

首先将日期格式化：

⑨第一种方法，用逻辑运算符号'>' '<'和'&'：

Pandasdatetime64[ns]不能直接与datetime.date相比，需要用pd.Timestamp进行转化

⑩第二种，用比较函数'gt''lt'和'&':

⑪第三种，用apply函数实现:

⑫第四种，用between函数实现:

6.筛选“类别ID”包含'000'的数据

⑬第一种，用contains函数：

⑭第二种，用isin函数：

很遗憾，isin函数搞不定，因为它只能判断该列中元素是否在列表中

7.筛选商品ID以“301”开头的运营数据

⑮需要用contains函数结合正则表达式使用：

以上就是总结的pandas提取数据的15种方法，是否有你喜欢的呢？