pandas每天一题-题目11：筛选数据也有3种方式，最后一种揭示本质

这是一个关于 pandas 从基础到进阶的练习题系列，来源于 github 上的 guipsamora/pandas_exercises 。这个项目从基础到进阶，可以检验你有多么了解 pandas。

我会挑选一些题目，并且提供比原题库更多的解决方法以及更详尽的解析。

计划每天更新一期，希望各位小伙伴先自行思考，再查看答案。如果对你有帮助，记得转发推荐给你的好友！

上期文章：pandas每天一题-题目10：去重计数的额外方式

后台回复"数据"，可以下载本题数据集

如下数据：

数据描述：

• 此数据是订单明细表。一个订单会包含很多明细项，表中每个样本(每一行)表示一个明细项
• order_id 列存在重复
• quantity 是明细项数量

需求：

列出数量只有1件的明细项

下面是答案了

方式1

pandas 最基本的操作——批量筛选：

cond = df['quantity']==1
df[cond]

• 行1：构造 bool 条件列
• 行2：把条件列传入 df[条件列] 中，基于索引对齐原则，true 对应的行将被保留

点评：

这是最常用的筛选方式，建议所有初学者应该掌握

方式2

简单的筛选，有时候你不希望构造 bool 列，pandas 提供更加直观的方式：

df.query('quantity==1')

本质上，query 方法内部的实现与方式1的一样。内部它使用 df.eval 得到 bool 列

点评：

1. 简单的筛选逻辑可以使用此方式，复杂的逻辑不适合
2. 这种方式有个特点，逻辑是以字符串形式存在，意味着，如果你希望用户能够在界面上填写筛选逻辑，此方法非常好用

基本的筛选方式就这么多，但是为了让他们多了解一些小技巧，接下来会介绍一些比较曲折的方式

方式3

本身在 pandas 中取出某些行，其实只有一种最快速的方式，就是通过行索引取出：

idx = [0,1,2]
df.loc[idx]

那么，在方式1中，通过 bool 列得到 true 对应的行，其实道理是一样：

cond = df['quantity'] == 1
idx = cond.values.nonzero()[0]
idx

• 行2：Series.values 得到 numpy 的数组。其方法 nonzero 可以快速把非0去掉。
• idx 得到的就是 true 对应的行索引

最后，也只不过是用得到的行索引取出行而已。

df.loc[idx]

这就是所谓的索引对齐了。如果你传入一个行索引与 df 不一致的 bool 列，这就会导致筛选结果错位。

此时，pandas 会出现警告信息，提醒你，"可能你的筛选出问题"

推荐阅读：

1. sql题目pandas解法(01)：筛选、all、any常用技巧
2. 懂Excel轻松入门Python数据分析包pandas(29)：轻松做出筛选控件