pandas条件筛选大于0

您好！针对您的问题，可以使用 Pandas 中的条件筛选功能，代码如下：

import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame({'col1': [1, 2, 3, -1, -2, -3],
                   'col2': [4, -4, 5, -5, 6, -6]})

# 进行条件筛选，保留 col1 大于 0 的行
df = df[df['col1'] > 0]

# 打印结果
print(df)

输出结果为：

   col1  col2
0     1     4
1     2    -4
2     3     5

这里使用了 Pandas 中的布尔索引，`df['col1'] > 0` 返回一个布尔数组，表示 `col1` 列中每个元素是否大于 0，然后用这个布尔数组筛选出满足条件的行。

相关问题

pandas 筛选大于15的数据

假设你有一个名为 `df` 的 Pandas DataFrame，其中包含一个名为 `column_name` 的列，你可以使用以下代码来筛选大于 15 的数据：

df[df['column_name'] > 15]

这将返回一个新的 DataFrame，其中包含 `column_name` 列中大于 15 的所有行。

pandas按条件筛选

Pandas 是 Python 中非常流行的数据分析库，它提供了许多强大的数据处理和分析工具，包括数据筛选功能。下面是一些 Pandas 筛选数据的方法。

假设我们有一个名为 `df` 的 Pandas DataFrame，其中包含以下数据：

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily'],
        'Age': [25, 30, 35, 40, 45],
        'Gender': ['F', 'M', 'M', 'M', 'F'],
        'Salary': [5000, 6000, 7000, 8000, 9000]}
df = pd.DataFrame(data)

接下来，我们将演示如何根据不同条件筛选数据。

#### 1. 按列筛选

我们可以使用 DataFrame 的列名来选择特定列。例如，要选择 `Name` 和 `Age` 列，可以使用以下方法：

df[['Name', 'Age']]

#### 2. 按行筛选

我们可以使用 DataFrame 的 `iloc` 属性按行索引来选择特定行。例如，要选择前两行，可以使用以下方法：

df.iloc[:2]

我们也可以使用 `loc` 属性按标签索引来选择特定行。例如，要选择 `Name` 列中包含 `'a'` 的行，可以使用以下方法：

df.loc[df['Name'].str.contains('a')]

#### 3. 按条件筛选

我们可以使用布尔表达式来选择符合特定条件的行。例如，要选择 `Salary` 列中大于 `6000` 的行，可以使用以下方法：

df[df['Salary'] > 6000]

我们也可以使用多个条件组合进行筛选。例如，要选择 `Gender` 列为 `'M'` 且 `Salary` 列大于 `6000` 的行，可以使用以下方法：

df[(df['Gender'] == 'M') & (df['Salary'] > 6000)]

这些是 Pandas 筛选数据的基本方法，你可以根据需要进行组合使用。