pandas的df表提取出a列，b列，c列的值一样的行

您可以使用 Pandas 的 loc 或者 iloc 函数来实现提取出 df 表中 a 列、b 列、c 列值一样的行，示例代码如下：

# 假设 df 表有 a, b, c, d, e 五列
df.loc[(df['a'] == df['b']) & (df['b'] == df['c']), ['a', 'b', 'c']]

这样会提取出 a 列、b 列、c 列值一样的行，并且只显示 a 列、 b 列、c 列。如果您需要同时显示其他列，直接在列表中添加即可。

相关问题

pandas 读取excel表格，A列式账号信息，B列是日期，C列是值，提取每个账号最后日期的哪行数据

要从Excel文件中提取每个账号（A列）的最后日期（假设B列是日期），你可以按照以下步骤操作：

1. 使用pandas读取Excel文件并选择需要的列。这里假设`df`是已经加载的数据框，A列为账户信息，B列为日期。

import pandas as pd
from tools import project_path

# 读取Excel文件
df = pd.read_excel(project_path.excel_path, sheet_name='your_sheet_name')

# 提取A列和B列
account_data = df[['Account_column', 'Date_column']]  # 替换'Account_column'和'Date_column'为实际的列名

# 对A列进行排序，确保最后的日期对应每个账户
account_data.sort_values(by='Account_column', inplace=True)

# 取每个账户的最后一行（即日期列的最大值）
last_dates = account_data.groupby('Account_column')['Date_column'].max().reset_index()

print("每个账号最后的日期：\n", last_dates)

在这里，我们首先选择了A和B两列，然后按A列进行升序排序，这样最后一行就是每个账户的最新日期。`groupby('Account_column')`用于分组每个账户，`['Date_column'].max()`找到每个组内的最大日期，`reset_index()`重新设置索引以保留原始账户信息。

pandas 读取excel表格，A列式账号信息，B列是日期，C列是值，提取每个账号最后日期的数据

Pandas 提供了便捷的方法来操作Excel数据。要提取每个账号的最后日期，你可以按照以下步骤进行：

1. **导入所需库**[^1]:

   import pandas as pd

2. **加载Excel文件**[^2]，并选择相应的sheet（表）:

   excel_path = "project_path/excel.xlsx"  # 替换为实际的文件路径
   df = pd.read_excel(excel_path, sheet_name='Sheet1')  # 假设你想从'Sheet1'获取数据

3. **确定账号、日期和值所在的列**。假设A列为账号，B列为日期，C列为值：

   account_col = 'A'  # 账号列名
   date_col = 'B'    # 日期列名
   value_col = 'C'   # 值列名

4. **按账号分组并找到每个账号的最后一个日期**:

   grouped_df = df.groupby(account_col).last()[[date_col]]  # 只保留日期列

5. **如果需要，还可以合并账号和对应的最后日期**:

   final_data = pd.merge(df[[account_col]], grouped_df, on=account_col)

现在`final_data`数据框中就包含了每个账号及其对应的最后日期。