【基础】Pandas数据选择与过滤

# 2.1 布尔索引和掩码

布尔索引和掩码是基于布尔值（True/False）进行数据选择的强大工具。

### 2.1.1 使用比较运算符创建掩码

比较运算符（如 `==`、`!=`、`<`、`>`）可以创建布尔掩码，其中 True 表示满足条件的行，而 False 表示不满足条件的行。例如：

import pandas as pd

df = pd.DataFrame({'Name': ['Alice', 'Bob', 'Charlie', 'Dave'],
                   'Age': [20, 25, 30, 35]})

# 创建一个掩码，选择年龄大于 25 的行
mask = df['Age'] > 25

# 使用掩码选择数据
df_filtered = df[mask]

# 2. 基于条件选择数据

在数据分析中，经常需要根据特定条件从数据集中选择特定行或列。Pandas提供了多种基于条件选择数据的机制，包括布尔索引、掩码、查询表达式等。

### 2.1 布尔索引和掩码

布尔索引是一种使用布尔值（True或False）来选择数据的机制。布尔值可以根据比较运算符或逻辑运算符创建。

#### 2.1.1 使用比较运算符创建掩码

比较运算符（如 ==、!=、>、<、>=、<=）可以用于创建布尔掩码，其中 True 表示满足条件的行，False 表示不满足条件的行。例如：

import pandas as pd

df = pd.DataFrame({'Name': ['John', 'Mary', 'Bob', 'Alice'],
                   'Age': [25, 30, 22, 28]})

# 创建一个掩码，选择年龄大于 25 的行
mask = df['Age'] > 25

# 使用掩码选择数据
df_filtered = df[mask]

print(df_filtered)

输出：

   Name  Age
1  Mary   30
3  Alice   28

#### 2.1.2 使用逻辑运算符组合掩码

逻辑运算符（如 and、or、not）可以用于组合布尔掩码，创建更复杂的条件。例如：

# 创建一个掩码，选择年龄大于 25 且姓名以 "M" 开头的行
mask = (df['Age'] > 25) & (df['Name'].str.startswith('M'))

# 使用掩码选择数据
df_filtered = df[mask]

print(df_filtered)

输出：

   Name  Age
1  Mary   30

### 2.2 查询表达式

查询表达式是一种使用字符串表达式来选择数据的机制。查询表达式可以包含比较运算符、逻辑运算符以及其他函数。

#### 2.2.1 使用query()函数进行查询

query()函数可以用于执行查询表达式。查询表达式必须使用 Pandas 数据框的列名和比较运算符。例如：

# 使用query()函数选择年龄大于 25 的行
df_filtered = df.query('Age > 25')

print(df_filtered)

输出：

   Name  Age
1  Mary   30
3  Alice   28

#### 2.2.2 使用eval()函数进行高级查询

eval()函数可以用于执行更高级的查询表达式。eval()函数允许使用 Python 表达式，包括函数、变量和运算符。例如：

# 使用eval()函数选择年龄大于 25 且姓名以 "M" 开头的行
df_filtered = df.eval('Age > 25 and Name.str.startswith("M")')

print(df_filtered)

输出：

   Name  Age
1  Mary   30

# 3.1 行索引

#### 3.1.1 使用loc[]索引行

**语法：**

df.loc[row_labels, column_labels]

**参数：**

- `row_labels`：行索引标签或列表
- `column_labels`：列索引标签或列表

**说明：**

`loc[]`索引器使用行和列标签来选择数据。它对于基于标签选择特定行或行组非常有用。

**示例：**

``