Pandas高效筛选行和列：按名称精准定位
在数据分析中，经常需要根据特定名称筛选Pandas DataFrame中的行或列。本文将演示如何利用Pandas的isin()函数以及其他技巧，快速高效地完成此任务。
示例：列筛选
假设我们有一个DataFrame df：
uid score name 0 a1 1 Alice 1 a2 4 Bob
以及一个包含目标列名的列表 columns_to_select：
columns_to_select = ['uid', 'name']
要提取df中包含columns_to_select中所有名称的列，可以使用如下代码：
selected_df = df[columns_to_select]
这将返回一个新的DataFrame，只包含'uid'和'name'两列。
示例：行筛选
如果需要根据行中的特定列值筛选行，例如筛选uid为'a1'的行，可以使用布尔索引：
rows_to_select = df['uid'] == 'a1' filtered_df = df[rows_to_select]
这将返回一个只包含uid为'a1'的那一行的DataFrame。
处理多个DataFrame
如果需要对多个DataFrame执行相同的筛选操作，可以使用循环和pd.concat()函数：
import pandas as pd
dataframes = [df1, df2, df3] # 将所有DataFrame放入列表
merged_df = pd.DataFrame() # 初始化一个空DataFrame
for df in dataframes:
selected_df = df[columns_to_select] # 筛选列
filtered_df = selected_df[selected_df['uid'] == 'a1'] # 筛选行 (可选)
merged_df = pd.concat([merged_df, filtered_df], ignore_index=True) # 合并结果
这段代码首先初始化一个空DataFrame merged_df，然后循环遍历dataframes列表中的每个DataFrame，进行列筛选和行筛选（可选），最后将结果合并到merged_df中。 ignore_index=True确保合并后的DataFrame索引连续。
通过以上方法，您可以灵活高效地根据名称筛选Pandas DataFrame的行和列，从而简化数据处理流程。 记住根据您的具体需求选择合适的筛选方法，并结合pd.concat()函数处理多个DataFrame。
