Python Pandas dataframe.filter()用法及代码示例

Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种，使导入和分析数据更加容易。

Pandas dataframe.filter()函数用于根据指定索引中的标签对 DataFrame 的行或列进行子集。请注意，此例程不会在其内容上过滤数据帧。过滤器将应用于索引标签。

用法： DataFrame.filter(items=None, like=None, regex=None, axis=None)

项(例如like和regex参数)被强制为互斥的。轴默认为使用[]进行索引时使用的信息轴。

有关CSV文件的链接，请单击此处

范例1：采用filter()函数过滤掉 DataFrame 的任何三列。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.read_csv("nba.csv") 
  
# Print the dataframe 
df

现在，过滤“Name”，“College”和“Salary”列。

# applying filter function  
df.filter(["Name", "College", "Salary"])

输出：

范例2：采用filter()函数可将名称中带有字母“ a”或“ A”的 DataFrame 中的所有列作为子集。

注意： filter()函数也将正则表达式作为其参数之一。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.read_csv("nba.csv") 
  
# Using regular expression to extract all 
# columns which has letter 'a' or 'A' in its name. 
df.filter(regex ='[aA]')

输出：

正则表达式“ [aA]”查找名称中带有“ a”或“ A”的所有列名称。