iT邦幫忙

2024 iThome 鐵人賽

DAY 8
0
Python

30 天學會用 Python pandas 和 openpyxl 處理 Excel —— 成為用 Python 處理 Excel 檔案的高手系列 第 8

Python pandas 套件如何篩選 DataFrame 資料?【Python 處理 Excel #8】

  • 分享至 

  • xImage
  •  

本篇文章同步發布於 Python pandas 套件如何篩選 DataFrame 資料?【Python 處理 Excel #8】

前言

這篇文章介紹 Python pandas 如何篩選 DataFrame 資料。


文章案例說明

文章中使用 example.xlsx 作為說明用的案例資料。example.xlsx 的內容如下:

order_id product_name unit_price ship_date
10000 S7000 700 2024/9/1
10001 A5000 500 2024/12/6
10002 A3000 300 2024/9/13
10003 T-APP 3000 2024/10/8

基於條件的資料篩選

pandas 可以使用布林值 (TrueFalse) 篩選 DataFrame 的資料。例如,若要篩選 unit_price 大於 500 的產品,可以這樣做:

import pandas as pd

# 從 Excel 檔案讀取資料
df = pd.read_excel('example.xlsx')

# 篩選 unit_price 大於 500 的產品
filtered_df = df[df['unit_price'] > 500]

print(filtered_df)

以上程式碼會返回 unit_price 大於 500 的所有列。


使用字串方法進行篩選

str.startswith() 用於篩選特定開頭的資料。例如想要篩選 product_name 以「A」開頭的所有資料,可以使用 str.startswith() 方法:

import pandas as pd

# 從 Excel 檔案讀取資料
df = pd.read_excel('example.xlsx')

# 篩選 product_name 以 'A' 開頭的資料
filtered_df = df[df['product_name'].str.startswith('A')]

print(filtered_df)

使用正則表達式 (regex) 篩選

正則表達式 (regular expression,簡稱 regex 或 regexp) 是一種用來搜尋和匹配特定格式的字串的式子。許多程式語言支持正則表達式,例如 JavaScript、Python、Java、C#、Perl 等。

例子一

假設想要篩選出 DataFrame 中所有 product_name 中包含數字「3000」的資料:

# 使用正則表達式篩選 product_name 中包含「3000」的資料
filtered_df = df[df['product_name'].str.contains(r'3000')]
print(filtered_df)

解釋

  • str.contains(r'3000')str.contains() 用於檢查每個字符串是否包含指定的模式 (pattern)。在這裡,r'3000 是一個正則表達式,表示要查找的字串規則。
    這段程式碼輸出結果會顯示 product_name 是「A3000」的資料。

例子二

如果想要篩選所有 product_name 中包含數字的資料:

# 使用正則表達式篩選 product_name 中包含數字的資料
filtered_df = df[df['product_name'].str.contains(r'\d')]
print(filtered_df)

解釋

  • r'\d':這是一個正則表達式,\d 代表任何數字字符 (等同於 [0-9]),表示要尋找的模式是任何包含數字的字符串。
  • str.contains(r'\d'):檢查每個 product_name 是否包含任何數字。
    這段程式碼輸出結果會顯示 product_name 為 S7000、A5000、A3000 的資料。

如何篩選未來三個月的資料?

之前的文章提到如何取得未來三個月的日期,這裡說明如何篩選未來三個月的資料。

取得當前日期

首先取得當前日期並計算未來三個月的範圍:

from datetime import datetime, timedelta
import calendar

# 取得當前日期和時間
current_date = datetime.now()
# 計算未來三個月的開始和結束日期
three_months_later = current_date + timedelta(days=90)

篩選資料

接下來,使用這兩個起訖日期篩選未來三個月的資料:

# 篩選未來三個月的資料
future_data = df[(df['ship_date'] >= current_date) & (df['ship_date'] <= three_months_later)]

這段程式碼篩選出 ship_date 在未來三個月內的所有列,使用了布林邏輯實現多重條件篩選。


總結

  • 資料篩選是 pandas 的基本功能,可以使用布林值、字串方法和正則表達式等進行篩選。
  • 布林值可以作為篩選的索引或條件,用於選擇符合特定條件的列或行。
  • 字串方法 (例如 str.startswith()) 可以快速篩選特定條件的資料。
  • 正則表達式是處理和篩選複雜字串的實用工具。
  • 搭配 datetimetimedelta 模組,pandas 可以有效篩選特定日期範圍內的資料。

本篇文章同步發布於 Python pandas 套件如何篩選 DataFrame 資料?【Python 處理 Excel #8】


上一篇
Python pandas 如何處理含有無效日期或缺失值的日期欄位?【Python 處理 Excel #7】
下一篇
Python pandas 套件如何排序 DataFrame 資料?【Python 處理 Excel #9】
系列文
30 天學會用 Python pandas 和 openpyxl 處理 Excel —— 成為用 Python 處理 Excel 檔案的高手30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言