pandas 判断某列等于一个值获取整行

要判断 DataFrame 中的某列是否等于一个特定的值，并获取整行，你可以使用 Pandas 的条件筛选功能。以下是一个示例代码：

import pandas as pd

# 创建一个 DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [25, 30, 35, 40],
        'city': ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen']}
df = pd.DataFrame(data)

# 判断 'city' 列是否等于 'Shanghai'，获取整行
result = df[df['city'] == 'Shanghai']
print(result)

这将输出以下结果：

   name  age      city
1   Bob   30  Shanghai

在上面的代码中，我们首先创建了一个包含 'name'、'age' 和 'city' 三列的 DataFrame，然后使用条件筛选功能来判断 'city' 列是否等于 'Shanghai'，并将结果保存在 `result` 变量中。最后，我们打印出 `result` 变量的值，即符合条件的整行数据。

相关问题

pandas整行删除某列为0和空

可以使用 `drop` 方法删除满足条件的行，条件可以使用布尔索引来表示。假设要删除列名为`col_name`的列为0或空的行，可以这样做：

df = df.drop(df[(df['col_name'] == 0) | (df['col_name'] == '')].index)

其中，`df['col_name'] == 0` 和 `df['col_name'] == ''` 分别用于判断该列是否为0或为空，`|` 表示逻辑或，`df[(df['col_name'] == 0) | (df['col_name'] == '')]` 用于选出符合删除条件的行，`index` 属性用于获取这些行的索引，最后使用 `drop` 方法将这些行删除。

以下代码改为指定列重复项的整行标黄：改为重复项整行标黄：import pandas as pd import os # 获取当前目录下的所有Excel文件名 files = [f for f in os.listdir('.') if f.endswith('.xlsx')] # 读取所有Excel文件的所有sheet表 dfs = [] for file in files: sheets = pd.read_excel(file, sheet_name=None, header=1) for sheet_name, sheet_data in sheets.items(): dfs.append(sheet_data) # 合并所有DataFrame result = pd.concat(dfs, ignore_index=True, sort=False) # 判断指定列是否有重复值并标红 def highlight_dup(s): return ['background-color: red' if v else '' for v in s.duplicated(keep=False)] result = result.style.apply(highlight_dup, subset=['客户名称']) # 存储合并后的DataFrame为Excel文件 result.to_excel('merged.xlsx', index=False)

以下是修改后的代码，可以实现指定列重复项的整行标黄：

import pandas as pd
import os

# 获取当前目录下的所有Excel文件名
files = [f for f in os.listdir('.') if f.endswith('.xlsx')]

# 读取所有Excel文件的所有sheet表
dfs = []
for file in files:
    sheets = pd.read_excel(file, sheet_name=None, header=1)
    for sheet_name, sheet_data in sheets.items():
        dfs.append(sheet_data)

# 合并所有DataFrame
result = pd.concat(dfs, ignore_index=True, sort=False)

# 判断指定列是否有重复值并标红
def highlight_dup(df):
    return ['background-color: red' if df.duplicated(subset=['客户名称'], keep=False).loc[i] else '' for i in range(len(df))]

# 给重复项整行标黄
result.style.apply(highlight_dup, axis=1)

# 存储合并后的DataFrame为Excel文件
result.to_excel('merged.xlsx', index=False)

这段代码中，我们使用了style.apply()方法来为DataFrame中的重复项整行标黄。在highlight_dup()函数中，我们使用了duplicated()方法来判断指定列是否有重复值，并使用loc[]方法来获取每一行的索引，然后使用列表推导式来为每一行判断是否需要标黄。最后，我们使用apply()方法将highlight_dup()函数应用到整个DataFrame中。