python 根据条件找到dataframe中的数值

### 如何在 Pandas DataFrame 中基于条件筛选并获取数值 #### 创建示例 DataFrame 为了展示如何进行多条件筛选，先创建一个简单的 DataFrame： ```python import pandas as pd import numpy as np data = { 'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, np.nan, 35], 'city': ['New York', np.nan, np.nan] } df = pd.DataFrame(data, index=[0, 1, 2]) print('原始 DataFrame 数据'.center(40, '-')) print(df) ``` #### 单一条件筛选可以使用布尔索引来实现单一条件的筛选。例如，要找出 `age` 列中不为空的数据： ```python filtered_df_age_notna = df[df['age'].notna()] print('年龄字段值不为空的数据'.center(40, '-')) print(filtered_df_age_notna) ``` 对于寻找 `age` 字段为空的情况，则可采用如下方法[^2]： ```python filtered_df_age_isna = df[df['age'].isna()] print('年龄字段值为空的数据'.center(40, '-')) print(filtered_df_age_isna) ``` #### 多重条件组合筛选当需要应用多个过滤条件时，可以通过逻辑运算符 (`&`, `|`) 来连接不同的条件表达式。比如想要找到既满足某个城市存在又不是 NaN 的记录，并且年龄大于等于 30 岁的人群。 ```python condition_city_exists_and_age_ge_30 = (df['city'].notna()) & (df['age'] >= 30) resulting_df = df[condition_city_exists_and_age_ge_30] if not resulting_df.empty: print('符合条件的城市存在且年龄>=30岁的人员') else: print('无符合条件的结果') print(resulting_df) ``` #### 获取指定列中的数值如果只关心某些特定列的信息，在上述基础上还可以进一步通过 `.loc[]` 或者直接访问属性来选取所需列的内容。这里假设我们只需要得到名字和对应的年龄作为最终输出结果。 ```python selected_columns = resulting_df[['name', 'age']] print(selected_columns) ```

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇怎么查到python中excel相关库的使用说明，库的具体用法