python 包含指定数据的整行数据，保存成新的表格

可以使用 Pandas 库中的 DataFrame 对象来实现这个功能。假设我们有一个名为 data 的 DataFrame，其中包含多列数据，我们想要筛选出包含指定数据的整行数据并保存成新的表格，可以使用以下代码：

import pandas as pd

# 读取原始数据
data = pd.read_csv('original_data.csv')

# 筛选出包含指定数据的整行数据
new_data = data[data['column_name'].str.contains('specified_data')]

# 保存成新的表格
new_data.to_csv('new_data.csv', index=False)

其中，'column_name' 是需要筛选的列名，'specified_data' 是需要包含的指定数据。这段代码会将包含指定数据的整行数据保存成一个名为 'new_data.csv' 的新表格。

相关问题

如何将excel表格中筛选的内容保存成新表

你可以使用 pandas 库来读取、筛选和保存 Excel 表格。

以下是一个简单的示例，演示如何将 Excel 表格中筛选的内容保存成新表：

import pandas as pd

# 读取 Excel 文件
df = pd.read_excel('example.xlsx')

# 筛选数据
filtered_df = df[df['列名'] == '筛选条件']

# 保存为新的 Excel 文件
filtered_df.to_excel('filtered_example.xlsx', index=False)

上面的代码中，`pd.read_excel()` 函数用于读取 Excel 文件，返回一个 DataFrame 对象。`df[df['列名'] == '筛选条件']` 用于按照指定的筛选条件筛选数据，返回一个新的 DataFrame 对象。最后，`filtered_df.to_excel()` 用于将新的 DataFrame 对象保存为一个新的 Excel 文件。

需要注意的是，上述代码中的 `列名` 和 `筛选条件` 需要根据你的具体情况进行替换。

将已知数据结合成新数据

将已知数据结合成新数据，可以使用 Python 中的 Pandas 库，具体是使用数据合并函数来将不同的数据集合并成一个新的数据集。

以下是一个示例代码，假设你有两个已知数据集：

import pandas as pd

# 已知数据1
data1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})

# 已知数据2
data2 = pd.DataFrame({'A': [4, 5, 6], 'B': [7, 8, 9], 'C': [10, 11, 12]})

可以使用 Pandas 中的 merge 函数将这两个数据集合并成一个新的数据集：

# 合并数据
merged_data = pd.merge(data1, data2, on=['A', 'B'])

这将基于列 A 和 B 进行合并，并生成一个新的数据集 merged_data。如果你还有其他的数据需要合并，可以继续使用 merge 函数进行合并。

除了 merge 函数，Pandas 还提供了其他的数据合并函数，如：

- `concat()`：将多个数据集纵向或横向合并。
- `join()`：基于索引或列进行数据合并。
- `append()`：将一个数据集附加到另一个数据集的末尾。

希望这可以帮助你将已知数据结合成新数据。