【数据分析】数据筛选（布尔索引：多个判断条件）

在pandas模块中，逻辑运算符有以下几种：

1.&表示并且

2.|表示或者

3.~表示非

1. &（并且）运算符

当且仅当运算符两边的布尔值均为 True 时，运算结果才为 True，其他情况为 False。

a = True

b = True

c = False

print(a & b) # 输出: True

print(a & c) # 输出: False

print(b & c) # 输出: False

在Pandas中使用 & 进行多条件筛选

import pandas as pd

# 创建一个示例DataFrame

data = pd.DataFrame({

'A': [1, 2, 3, 4],

'B': [4, 3, 2, 1]

})

# 筛选出 A 列大于 1 并且 B 列小于 4 的行

filtered_data = data[(data['A'] > 1) & (data['B'] < 4)]

print(filtered_data)

2. |（或者）运算符

当运算符两边的布尔值中至少有一个为 True 时，运算结果就为 True，仅当两边的布尔值都是 False 时结果才为 False。

a = True

b = False

c = False

print(a | b) # 输出: True

print(b | c) # 输出: False

print(a | c) # 输出: True

在Pandas中使用 | 进行多条件筛选：

import pandas as pd

# 创建一个示例DataFrame

data = pd.DataFrame({

'A': [1, 2, 3, 4],

'B': [4, 3, 2, 1]

})

# 筛选出 A 列大于 2 或者 B 列小于 2 的行

filtered_data = data[(data['A'] > 2) | (data['B'] < 2)]

print(filtered_data)

3. ~（非）运算符

仅有一个布尔值参与运算，运算结果为对这个布尔值取反，即 True 变为 False，False 变为 True。

a = True

b = False

print(~a) # 输出: False

print(~b) # 输出: True

在Pandas中使用 ~ 进行布尔索引的取反操作：

import pandas as pd

# 创建一个示例DataFrame

data = pd.DataFrame({

'A': [1, 2, 3, 4],

'B': [4, 3, 2, 1]

})

# 筛选出 A 列不大于 2 的行

filtered_data = data[~(data['A'] > 2)]

print(filtered_data)

简单解释：

这一行代码的功能是使用布尔索引结合取反运算符 `~`，从 `data` 数据框中筛选出 `A` 列中不大于 `2` 的行。我们来详细解析它的工作方式：

代码总结：

import pandas as pd

# 创建一个示例DataFrame

data = pd.DataFrame({

'A': [1, 2, 3, 4],

'B': [4, 3, 2, 1]

})

筛选出 A 列不大于 2 的行

filtered_data = data[~(data['A'] > 2)]

# 打印筛选结果

print(filtered_data)

运行结果：

A B

0 1 4

1 2 3

通过 `~` 运算符，可以轻松地实现条件筛选的取反操作。

总结：

1.&（并且）：运算符两边的布尔值均为True时，运算结果才为True，其他情况为False。
2.｜（或者）：运算符两边的布尔值至少有一个为True时运算结果就为True，仅当两边的布尔值都是False 时结果才为False。
3.~（非）：仅有一个布尔值参与运算，运算结果为对这个布尔值取反。

让我们来思考以下例子：
假设在读取电商数据时，我们想要输出所有 "cutdown_price"大于0 和 "post_fee"大于0 的行，该怎么做呢？

接下来，要同时输出 "cutdown_price"大于0 和 "post_fee"大于0的行数据，就需要在一个索引中，使用 & 来连接对应的两个判断条件。

注意：当有多个判断条件时，每一个判断条件都需要用小括号( )括起来。

这时，同时满足这两个判断的行数据就会被筛选出来

# 导入pandas模块，并以"pd"为该模块的简写

import pandas as pd

# 使用pd.read_csv() 函数读取路径为 "/Users/yequ/电商数据清洗.csv" 的CSV文件，并将结果赋值给变量data

data = pd.read_csv("/Users/yequ/电商数据清洗.csv")

# 使用print()和布尔索引

# 输出"cutdown_price"这一列值里大于0

# 和"post_fee"这一列值里大于0的行

print(data[(data["cutdown_price"]>0) & (data["post_fee"]>0)])