首页 › Pandas 数据分析 › 筛选、排序与清洗
筛选、排序与清洗
import pandas as pd
df = pd.DataFrame({
"商品": ["键盘", "鼠标", "显示器", "鼠标", None],
"价格": [199, 89, 1299, 89, 59],
"销量": [30, 120, 8, 120, 15],
})
条件筛选
df[df["价格"] > 100]
df[(df["价格"] < 200) & (df["销量"] > 50)] # 且用 &,或用 |
df[df["商品"].isin(["键盘", "鼠标"])]
df.query("价格 > 100 and 销量 > 5")
排序
df.sort_values("销量", ascending=False)
df.sort_values(["价格", "销量"], ascending=[True, False])
清洗
df.isna().sum() # 每列缺失值数量
df = df.dropna(subset=["商品"]) # 删除商品为空的行
df = df.drop_duplicates() # 去重
df["价格"] = df["价格"].astype(float)
df = df.rename(columns={"销量": "数量"})
计算新列
df["销售额"] = df["价格"] * df["数量"]
df["等级"] = df["价格"].apply(lambda p: "高" if p > 500 else "普通")
数据分析中大部分时间都花在清洗上,先用 info() 和 isna() 了解数据质量,再决定怎么处理。
练习题
学完本节后,试着独立完成下面的练习,再展开参考答案对照。
练习 1 找出价格在 50~500 之间、并且商品名不为空的记录,按价格升序排列。
查看参考答案
import pandas as pd
df = pd.DataFrame({"商品": ["键盘", None, "显示器", "鼠标"], "价格": [199, 59, 1299, 89]})
result = df[df["商品"].notna() & df["价格"].between(50, 500)].sort_values("价格")
print(result.to_string(index=False))参考输出:
商品 价格
鼠标 89
键盘 199