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!
创新互联公司专注于企业全网营销推广、网站重做改版、峨山县网站定制设计、自适应品牌网站建设、html5、商城系统网站开发、集团公司官网建设、成都外贸网站建设、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为峨山县等各大城市提供网站开发制作服务。
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。
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'] > 5
df[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 50
Drama 48
Comedy,Drama,Romance 35
Comedy 32
Drama,Romance 31
..
Adventure,Comedy,Fantasy 1
Biography,History,Thriller 1
Action,Horror 1
Mystery,Thriller,Western 1
Animation,Fantasy 1
Name: genre, Length: 207, dtype: int64 筛选出 top3 的 index:
top_genre = vc[0:3].index
print(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！这里是创新互联网站，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！
