pandas筛选excel数据

Pandas 是 Python 中一个强大的数据分析库，它提供了多种方法来筛选 Excel 数据。以下是一些基本步骤和方法，用于实现类似 Excel 的筛选功能：

1. 读取 Excel 文件：首先，使用 pandas 库中的 read_excel() 函数来读取 Excel 文件，并将数据加载到 DataFrame 中。例如：

   import pandas as pd
   excel_filename = '数据.xlsx'
   df = pd.read_excel(excel_filename)
   ```<a data-index="0" class='citation' href="#citation-5" target="_blank">5</a>
   
   

2. 设置列对齐：在读取数据时，可以通过设置 pd.set_option 来确保列正确对齐，特别是当数据包含非统一宽度的字符时：

   pd.set_option("display.unicode.ambiguous_as_wide", True)
   ```<a data-index="1" class='citation' href="#citation-3" target="_blank">3</a>
   
   

3. 基本筛选：使用布尔索引进行基本筛选。例如，筛选出某一列中大于特定值的所有行：

   condition = df['某列'] > 某个值
   filtered_df = df[condition]
   ```<a data-index="2" class='citation' href="#citation-8" target="_blank">8</a>
   
   

4. 复杂筛选：可以结合多个条件进行复杂筛选。使用 &（和）、|（或）和 ~（非）操作符来组合多个条件：

   complex_condition = (df['列1'] > 值1) & (df['列2'] < 值2)
   complex_filtered_df = df[complex_condition]
   ```<a data-index="3" class='citation' href="#citation-8" target="_blank">8</a>
   
   

5. 使用 query() 方法：pandas 提供了 query() 方法，允许使用字符串表达式来筛选数据，这使得代码更简洁易读：

   filtered_df = df.query('列1 > 值1 and 列2 < 值2')
   ```<a data-index="4" class='citation' href="#citation-8" target="_blank">8</a>
   
   

6. 筛选特定列：如果只需要 Excel 文件中的特定列，可以在读取时指定列的索引或列名：

   df = pd.read_excel(excel_filename, usecols=['列1', '列2', ...])
   ```<a data-index="5" class='citation' href="#citation-6" target="_blank">6</a>
   
   

7. 保存筛选结果：筛选完成后，可以将结果保存回 Excel 文件，使用 to_excel() 方法：

   filtered_df.to_excel('筛选后的数据.xlsx', index=False)
   ```<a data-index="6" class='citation' href="#citation-7" target="_blank">7</a>
   

通过上述步骤和方法，你可以使用 Pandas 来实现 Excel 数据的筛选，并且能够执行一些 Excel 本身无法完成的更高级的筛选操作。12