Pandas系列5

Pandas的条件过滤是使用非常频繁的技巧，在这一节我们将看到各种不同的过滤技巧，如果读者有其它过滤技巧，也欢迎告诉我。

条件过滤与赋值

通过loc进行行过滤，并对过滤后的行进行赋值

除了上述的过滤方式外，还可以通过query method来进行过滤查询，如下：

空值判断

在数据处理的过程中，空值判断是非常常用的技巧，在Pandas中我们主要通过以下几种方式来判断空值。

• isnull函数: 用于针对Series、DataFrame判断是否为null
• notnull函数: 用于判断非null值
• np.isnan函数: 用于针对某个标量值进行判断是否为nan(null)。需要注意的是这个函数不能用于字符串类型的值进行判断，因此如果array中有字符串类型，需要用其它方式进行判断，如isinstance

isnull函数

将isnull用于过滤条件：

notnull函数

notnull的使用与isnull类似,如下：

np.isnan函数

需要注意的是判断dataframe中某个值是否为空，不能直接用== np.nan来判断，而需要使用np.isnan函数如下

isin函数

使用isin函数

多过滤条件

当有多个过滤条件时，我们就需要使用逻辑操作符&, |,如下：

过滤后的赋值计算

在实际项目中，很多时候我们根据条件选取了一些行之后，我们要针对这些行中的数据需要做些操作（比如针对age进行加1操作），更复杂的我们需要获取本行的其它列的数据共同计算和判断。这里我们可以使用如下技巧:

关于vectorization矢量化的相关议题，可以参考文章Pandas系列4-数据矢量化