类似SQL的多条件查询，pandas也能轻松应对

该号刚出生不久，喜欢的朋友别忘了点个关注。

熟悉SQL的朋友们应该知道，在查询数据时，条件是放在where子句里的。pandas作为Python强大的数据分析库，虽然也有where这个方法，但其用法上和SQL里的不太一样。而平时我们在做条件查询的时候，通常用到的也并不是where，而是布尔索引。

为什么会有这么个叫法呢？

因为布尔索引利用的是布尔逻辑运算符进行检索项的逻辑组配，说白了就是你先给定若干个条件，然后找出这若干个条件组合后（或/且）逻辑值为真的集合，故而叫做布尔索引。

我们直接来看看例子：

先创建一个DataFrame：

可以看到数据里头有6个记录，代表的是6个人的一些基本情况。现在我要查找出所有男性的信息，逻辑上既是：如果Gender等于M，则取出来。用代码实现如下：

很多时候，DataFrame的列也可以当做其属性来用，那么上面的代码也可以这样写：

同样的，我要查找身高大于170的，可以如下：

上面都是单个条件的查找。如果我对查找需要设置多个条件呢，比如我要查找性别为男，且年龄大于等于18岁的呢？

那我们就设置两个条件，条件与条件之间，用我们需要的符号来表达逻辑关系（即或还是且？）

如上，条件与条件之间用&符号表示且的关系，每个条件用括号括起来，以免出现逻辑混乱的情况。需要指出的是，布尔索引的时候，&符号不能用and代替。同样下面的逻辑或关系中，|符号不能用or代替。

谈到了逻辑且的关系，那么再来看看逻辑或的关系。现在我要查找出身高170以上，或爱好为音乐的人，可以这样写：

虽然SQL的条件查询在语法上更像自然语言（select 字段 from 表格 where 条件1 and/or 条件2 and/or 条件3……），让人理解起来更容易理解。但是个人觉得，pandas的布尔索引，只要多写几遍之后，也是非常容易理解的，可读性也非常强，执行速度飞快，还是很有必要掌握的一个知识点。

好了，今天的分享就到这了，喜欢的同学不要忘了点个赞。