使用布爾索引可實現單條件過濾，如df[df['score'] > 80]篩選分數大於80的行；2. 多條件過濾需用&（且）和|（或）連接，並將各條件括在括號內，如(df['age'] > 22) & (df['score'] > 85)，或使用isin()匹配枚舉值；3. 字符串模糊匹配可通過str.contains()實現，如df[df['name'].str.contains('a', case=False)]篩選名字含'a'的行；4. query()方法提供更簡潔語法，支持表達式如df.query('age > 22 and score > 80')及變量引用@min_score；這些方法覆蓋了Pandas中行過濾的主要場景，操作簡單且高效。

在使用Pandas 進行數據分析時，過濾行（filter rows）是一個非常常見的操作。下面通過幾個典型示例，展示如何用Python 的Pandas 庫來篩選DataFrame 中的行。

1. 基本條件過濾：單個條件

假設我們有一個學生成績表：

 import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [23, 25, 22, 24],
    'score': [85, 90, 78, 95],
    'city': ['New York', 'Los Angeles', 'New York', 'Chicago']
})

# 篩選score 大於80 的行filtered = df[df['score'] > 80]
print(filtered)

輸出：

 name age score city
0 Alice 23 85 New York
1 Bob 25 90 Los Angeles
3 David 24 95 Chicago

2. 多條件過濾（and / or）

使用& （且）和| （或），注意條件要用括號括起來。

 # 篩選age > 22 且score > 85 的學生filtered = df[(df['age'] > 22) & (df['score'] > 85)]
print(filtered)

輸出：

 name age score city
1 Bob 25 90 Los Angeles
3 David 24 95 Chicago

 # 篩選city 是'New York' 或'Chicago'
filtered = df[df['city'].isin(['New York', 'Chicago'])]
print(filtered)

輸出：

 name age score city
0 Alice 23 85 New York
2 Charlie 22 78 New York
3 David 24 95 Chicago

3. 模糊匹配：字符串包含某內容

使用.str.contains()來篩選文本中包含特定字符的行。

 # 篩選名字中包含'a' 的行（不區(qū)分大小寫）
filtered = df[df['name'].str.contains('a', case=False)]
print(filtered)

輸出：

 name age score city
0 Alice 23 85 New York
2 Charlie 22 78 New York
3 David 24 95 Chicago

4. 使用query() 方法（更簡潔的語法）

query()方法可以讓條件表達式更易讀，尤其是複雜條件時。

 # 使用query 進行多條件篩選filtered = df.query('age > 22 and score > 80')
print(filtered)

輸出：

 name age score city
1 Bob 25 90 Los Angeles
3 David 24 95 Chicago

也支持變量引用：

 min_score = 85
filtered = df.query('score >= @min_score')

小貼士

• 條件過濾時，布爾索引是最基礎的方法： df[條件]
• 多個條件記得加括號： (df['A'] > 1) & (df['B']
• isin()適合枚舉匹配
• str.contains()適合文本模糊搜索
• query()寫法更清晰，適合交互式分析

基本上就這些常用操作，不復雜但非常實用。

以上是python pandas filter行示例的詳細內容。更多資訊請關注PHP中文網其他相關文章！