pandas filter函数用法详解

Pandas是用于数据处理和数据分析的Python库。其中，`filter`函数是用于筛选数据的常用函数之一。它允许按照指定条件从数据集中筛选特定的行或列。以下是filter函数的用法详解。

## 语法

`filter`函数的语法如下：

DataFrame.filter(items=None, like=None, regex=None, axis=None) 

`filter`函数有四个参数：

- items: 指定要筛选的列，可以传递列名的列表或元组。
- like: 通过传递包含特定字符串的字符串，筛选列名。
- regex: 通过传递正则表达式，筛选列名。
- axis: 指定沿着哪个轴筛选。0表示按行筛选，1表示按列筛选。默认值为0。

## 示例

假设我们有以下的数据：

import pandas as pd 
 
data = {'name': ['Bobby', 'Alice', 'Cathy', 'Donald', 'Eric', 'Fred'], 
        'sex': ['M', 'F', 'F', 'M', 'M', 'M'], 
        'age': [22, 23, 25, 27, 31, 33], 
        'salary': [2000, 2500, 3000, 3500, 4000, 4500]} 
 
df = pd.DataFrame(data)

| name | sex | age | salary |
|------|-----|-----|--------|
| Bobby| M | 22 | 2000 |
| Alice| F | 23 | 2500 |
| Cathy| F | 25 | 3000 |
| Donald| M | 27 | 3500 |
| Eric| M | 31 | 4000 |
| Fred| M | 33 | 4500 |

现在，我们尝试使用`filter`函数从数据集中筛选特定的行或列。

### 筛选行

我们可以使用`filter`函数，按行筛选数据。

例1. 筛选名字包含'A'的行：

df.filter(like='A', axis=0)

输出：

| name | sex | age | salary |
|------|-----|-----|--------|
| Alice| F | 23 | 2500 |

例2. 筛选年龄大于30的行：

df.filter(items=['age', 'salary'], axis=1)[df['age']>30]

输出：

| age | salary |
|-----|--------|
| 31 | 4000 |
| 33 | 4500 |

### 筛选列

我们还可以使用`filter`函数，按列筛选数据。

例1. 筛选名字和工资列：

df.filter(['name', 'salary'])

输出：

| name | salary |
|------|--------|
| Bobby|2000 |
| Alice|2500 |
| Cathy|3000 |
| Donald|3500 |
| Eric |4000 |
| Fred |4500 |

例2. 通过正则表达式筛选名字和工资列：

df.filter(regex='.*a.*')

输出：

| name | salary |
|------|--------|
| Bobby|2000 |
| Cathy|3000 |

以上是使用`filter`函数进行数据筛选的常见用法。使用`filter`函数可以方便地对数据集进行列选择或行选择，提高数据处理效率。