Pandas DataFrame filter()方法
在本教程中，我们将看一下潘达斯的filter() 方法。我们将看到这个函数的作用，以及我们如何将其应用于我们的数据框架。顾名思义，filter() 方法可以过滤我们的数据框架。更具体地说，该方法根据所述的索引指定，对我们的数据框架的行或列进行子集。
按特定项目过滤
为了了解该方法是如何工作的，让我们看一下一个介绍性的例子。
import pandas as pd
data = {
'height': [1.68, 1.86, 2.01, 1.74],
'children': [1, 3, 0, 2],
'pets': [2, 3, 1, 0]
}
df = pd.DataFrame(data, index=['Josh', 'Angela', 'Tom', 'Mary'])
df
| 高度 | 儿童 | 宠物 | |
| 乔什 | 1.68 | 1 | 2 |
| 安吉拉 | 1.86 | 3 | 3 |
| 冯小刚 | 2.01 | 0 | 1 |
| 冯小刚 | 1.74 | 2 | 0 |
首先，我们导入我们需要的库。在本例中，只有Pandas。然后我们将样本数据集创建为一个列表的字典 。这些数据包含一个人的身高、孩子的数量和宠物的数量。接下来，我们使用数据集创建一个Pandas数据框架 ，并应用每个人的名字作为数据框架的索引。最后，我们输出这个数据框架。
现在，如果我们只想看到每个人的身高和孩子的数量，我们会怎么做？我们将不得不过滤掉 "宠物 "列。这就是Pandas的filter() 方法发挥作用的地方。
df.filter(['height', 'children'])
| 身高 | 子女 | |
| 乔什 | 1.68 | 1 |
| 安吉拉 | 1.86 | 3 |
| 汤姆 | 2.01 | 0 |
| 玛丽 | 1.74 | 2 |
因此，在过滤函数的括号内，我们传递了一个我们想要过滤数据框架的项目列表。在这种情况下，我们选择 "高度 "和 "儿童 "列，因此输出只显示只有这两列的数据框。这样我们就过滤掉了 "pets "列。
另一种通过 "高度 "和 "子女 "列过滤的方式是这样的。
df.filter(items=['height', 'children'])
| 高度 | 儿童 | |
| 乔希 | 1.68 | 1 |
| 安吉拉 | 1.86 | 3 |
| 汤姆 | 2.01 | 0 |
| 玛丽 | 1.74 | 2 |
正如你所看到的，输出结果与之前一样。我们得到了过滤掉 "pets "列的数据框架。唯一不同的是，我们将这些列分配给filter() 函数的 "items" 参数。
按行或列过滤
到现在为止，我们已经看到了如何通过将列分配给 "items" 参数来过滤我们的数据框架。但是如果我们想通过行来过滤数据框呢？为了实现这一点，我们使用 "axis" 参数。让我们再看一下之前的数据框架。
| 高度 | 儿童 | 宠物 | |
| 乔希 | 1.68 | 1 | 2 |
| 安吉拉 | 1.86 | 3 | 3 |
| 冯小刚 | 2.01 | 0 | 1 |
| 冯小刚 | 1.74 | 2 | 0 |
如果我们只想看到安吉拉和汤姆的身高、子女和宠物，代码是这样的。
df.filter(items=['Angela', 'Tom'], axis=0)
| 身高 | 子女 | 宠物 | |
| 安吉拉 | 1.86 | 3 | 3 |
| 汤姆 | 2.01 | 0 | 1 |
如前所述，我们把要过滤的项目作为一个列表分配给 "items" 参数。此外，我们确定要过滤的轴。我们给 "axis" 参数赋值为 "0"。 "0 "意味着我们要按行过滤数据框架。同样，我们可以写 "index" 而不是 " 0" ，得到同样的输出。
df.filter(items=['Angela', 'Tom'], axis='index')
| 高度 | 儿童 | 宠物 | |
| 安吉拉 | 1.86 | 3 | 3 |
| 汤姆 | 2.01 | 0 | 1 |
如果我们将1应用于"axis"参数，我们将按列过滤数据框架。
df.filter(items=['height', 'children'], axis=1)
| 高度 | 儿童 | |
| 乔什 | 1.68 | 1 |
| 安吉拉 | 1.86 | 3 |
| 汤姆 | 2.01 | 0 |
| 玛丽 | 1.74 | 2 |
我们也可以将字符串"columns" ，而不是1，应用于轴参数。
df.filter(items=['height', 'children'], axis='columns')
| 高度 | 儿童 | |
| 乔什 | 1.68 | 1 |
| 安吉拉 | 1.86 | 3 |
| 汤姆 | 2.01 | 0 |
| 玛丽 | 1.74 | 2 |
我们注意到，输出的数据框架与顶部的数据框架是一样的，在这里我们根本没有指定"axis" 参数。这是因为，默认情况下，如果我们不给"axis"参数分配任何其他东西，Pandasfilter() 方法会按列过滤 数据框架。
然而，如果我们想按行过滤，而不确定 "axis "参数，我们会得到一个无用的输出。
df.filter(items=['Angela', 'Tom'])
| 乔希 |
| 安吉拉 |
| 汤姆 |
| 玛丽 |
因此，如果我们按行过滤，我们必须给 "axis" 参数赋值 "0 "或"index" ，而如果我们按列过滤，则不一定需要 "axis" 参数。
应用 "喜欢 "参数
到目前为止，我们已经看到了如何通过列或行名来过滤我们的数据。但是，我们也可以不通过整个项目名称来过滤，而是用特定的字母来过滤项目。例如，我们可能想只显示包含字母 "a "的行。这就是我们利用filter() 方法的 "like "参数的地方。
df.filter(like="a", axis=0)
| 高度 | 儿童 | 宠物 | |
| 安吉拉 | 1.86 | 3 | 3 |
| 玛丽 | 1.74 | 2 | 0 |
我们将字符串"a" 赋给 "like" 参数，并说我们想通过将值 "0 "应用于 "轴 "参数来过滤行数据。输出显示了一个新的数据框架，其中的行项至少包含一个"a" 。无论如何，我们并不局限于在这里只使用一个字符。"like" 参数也允许我们输入多个字符。
df.filter(like="om", axis=0)
| 高度 | 儿童 | 宠物 | |
| 汤姆 | 2.01 | 0 | 1 |
输出结果再次显示了一个数据框架。这一次，它只显示索引 "Tom"，因为它是唯一包含字符串 "om "的行。
与此类似，我们能够使用 "like "参数来过滤列。我们只需要给 "轴 "参数赋值 "1"，告诉程序我们要按列而不是按行过滤。
df.filter(like="pe", axis=1)
| 宠物 | |
| 乔希 | 2 |
| 安吉拉 | 3 |
| 汤姆 | 1 |
| 玛丽 | 0 |
输出结果显示数据框架中只有 "pets "列，因为它是唯一包含字符串"pe" 的列。
使用正则表达式进行过滤
将"like"参数应用于filter() 方法允许我们通过项目中包含的字符串过滤数据。然而，我们可能想进一步指定过滤，例如，过滤掉以字母 "a "结尾的行。"like" 参数在这里不起作用，因为如果我们将"a" 应用于 "like" 参数，程序就会寻找项目中任何含有字母"a" 的项目。
df.filter(like="a", axis=0)
| 高度 | 儿童 | 宠物 | |
| 安吉拉 | 1.86 | 3 | 3 |
| 玛丽 | 1.74 | 2 | 0 |
正如我们所看到的，输出的数据框架显示了 "Angela "和 "Mary"，因为两者都有一个 "a "在里面。
为了得到以字母 "a "结尾的项目，我们使用正则表达式。正则表达式是用来确定一个字符串是否包含一个特定的搜索模式。幸运的是，filter() 方法为我们提供了一个可选的参数 "regex"。这样，我们就可以使用正则表达式来过滤我们的数据。
df.filter(regex='a$', axis=0)
| 高度 | 孩子 | 宠物 | |
| 安吉拉 | 1.86 | 3 | 3 |
我们将"a$" 应用于 "regex" 参数，并将 "axis" 参数赋值为 "0"。这意味着我们按行过滤数据框架，寻找任何以字符 "a "结尾的项目。与之前将字符 "a "应用于 "like "参数的例子相反，我们只得到 "Angela "作为输出，而不是 "Angela "和 "Mary"，因为 "Angela "是唯一以 "a "结尾的项目。
同样，我们能够使用正则表达式来查看哪些项目包含指定字符集的字符（例如：[a,b,c]）。
df.filter(regex='[a,b,c]', axis=1)
| 儿童 | |
| 乔希 | 1 |
| 安吉拉 | 3 |
| 汤姆 | 0 |
| 玛丽 | 2 |
在这里，我们要寻找所有至少包含 列表中一个字母的列[a,b,c] 。由于 "children "列是唯一包含该列表中至少一个字符（字母 "c"）的列，所以它是唯一输出的列。
有成千上万种方法可以使用正则表达式与filter() 方法相结合。到目前为止我们只看到了几种，但是如果你还没有，强烈建议你学习一下正则表达式，因为它们的使用非常强大，不仅是在使用filter() 方法时，而且在其他场合也是如此。
filter()函数的替代方法
为了过滤我们的数据，我们不一定需要应用filter() 函数。有几种方法可以对我们的数据帧进行过滤操作。一种替代方法是根本不使用任何具体的操作，而只是使用方括号内的列名列表。
df[["height", "children"]]
| 高度 | 儿童 | |
| 乔什 | 1.68 | 1 |
| 安吉拉 | 1.86 | 3 |
| 汤姆 | 2.01 | 0 |
| 玛丽 | 1.74 | 2 |
输出结果与我们使用之前的这种方法完全相同。
df.filter(items=['height', 'children'], axis=1)
| 高度 | 儿童 | |
| 乔什 | 1.68 | 1 |
| 安吉拉 | 1.86 | 3 |
| 汤姆 | 2.01 | 0 |
| 玛丽 | 1.74 | 2 |
然而，过滤行的另一种方法是使用loc()操作。
df.loc[["Josh", "Angela"]]
| 高度 | 儿童 | 宠物 | |
| 乔什 | 1.68 | 1 | 2 |
| 安吉拉 | 1.86 | 3 | 3 |
在这里，我们只显示 "Josh "和 "Angela "行，将这些项目作为一个列表应用到loc() 。之前的方法，使用filter() 方法，看起来像这样。
df.filter(items=["Josh", "Angela"], axis=0)
| 高度 | 儿童 | 宠物 | |
| 乔希 | 1.68 | 1 | 2 |
| 安吉拉 | 1.86 | 3 | 3 |
正如我们所看到的，除了filter() 方法之外，还有几种选择来过滤我们的数据框。然而，我们在这里看到的方法只是其中的几种。还有更多的方法，但如果在这里全部展示，就有点太多。
总结
总而言之，filter() 方法是一个非常有用的工具，它很容易使用。它允许我们以许多不同的方式对数据框架的行或列进行子集。我们可以用 "items"参数按整个项目过滤我们的数据框架，用 "like"参数按几个字符过滤，甚至可以应用正则表达式，过滤的机会几乎是无限的。
