怎么使用Python的Pandas布爾索引

這篇文章主要講解了“怎么使用Python的Pandas布爾索引”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“怎么使用Python的Pandas布爾索引”吧！

1.計算布爾值統計信息

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 
#讀取movie,設定行索引是movie_title 
pd.options.display.max_columns = 50 
movie = pd.read_csv("./data/movie.csv",index_col = 'movie_title')
#判斷電影時長是否超過兩個小時 #Figure1
movie_2_hours = movie['duration'] > 120
#統計時長超過兩小時的電影總數
print(movie_2_hours.sum()) #result:1039
#統計時長超過兩小時的電影的比例
print(movie_2_hours.mean())
#統計False和True的比例 
print(movie_2_hours.value_counts(normalize = True)) 
#比較同一個DataFrame中的兩列
actors = movie[['actor_1_facebook_likes','actor_2_facebook_likes']].dropna()
print((actors['actor_1_facebook_likes'] > actors['actor_2_facebook_likes']).mean()) #Figure2

運行結果：

Figure1

Figure2

2. 構建多個布爾條件

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 
#讀取movie,設定行索引是movie_title 
pd.options.display.max_columns = 50 
movie = pd.read_csv("./data/movie.csv",index_col = 'movie_title')
#創建多個布爾條件
criteria1 = movie.imdb_score > 8
criteria2 = movie.content_rating == "PG-13"
criteria3 = (movie.title_year < 2000) | (movie.title_year >= 2010)
"""
print(criteria1.head())
print(criteria2.head())
print(criteria3.head())
運行結果：Figure1
"""
#將多個布爾條件合并成一個
criteria_final = criteria1 & criteria2 & criteria3 
print(criteria_final.head())
#運行結果：Figure2

運行結果：

Figure1

Figure2

3.用布爾索引過濾

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 
#讀取movie,設定行索引是movie_title 
pd.options.display.max_columns = 50 
movie = pd.read_csv("./data/movie.csv",index_col = 'movie_title')
#創建第一個布爾條件
crit_a1 = movie.imdb_score > 8 
crit_a2 = movie.content_rating == 'PG-13'
crit_a3 = (movie.title_year < 2000) | (movie.title_year > 2009)
final_crit_a = crit_a1 & crit_a2 & crit_a3
#創建第二個布爾條件
crit_b1 = movie.imdb_score < 5
crit_b2 = movie.content_rating == 'R'
crit_b3 = (movie.title_year >= 2000) & (movie.title_year <= 2010)
final_crit_b = crit_b1 & crit_b2 & crit_b3
#將兩個條件用或運算合并起來
final_crit_all = final_crit_a | final_crit_b
print(final_crit_all.head()) #Figure 1 
#用最終的布爾條件過濾數據
print(movie[final_crit_all].head()) #Figure2

運行結果：

Figure1

Figure2

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 
#讀取movie,設定行索引是movie_title 
pd.options.display.max_columns = 50 
movie = pd.read_csv("./data/movie.csv",index_col = 'movie_title')
#創建第一個布爾條件
crit_a1 = movie.imdb_score > 8 
crit_a2 = movie.content_rating == 'PG-13'
crit_a3 = (movie.title_year < 2000) | (movie.title_year > 2009)
final_crit_a = crit_a1 & crit_a2 & crit_a3
#創建第二個布爾條件
crit_b1 = movie.imdb_score < 5
crit_b2 = movie.content_rating == 'R'
crit_b3 = (movie.title_year >= 2000) & (movie.title_year <= 2010)
final_crit_b = crit_b1 & crit_b2 & crit_b3
#將兩個條件用或運算合并起來
final_crit_all = final_crit_a | final_crit_b
#使用loc,對指定的列做過濾操作，可以清楚地看到過濾是否起作用
cols = ['imdb_score','content_rating','title_year']
movie_filtered = movie.loc[final_crit_all,cols]
print(movie_filtered.head(10))

運行結果：

感謝各位的閱讀，以上就是“怎么使用Python的Pandas布爾索引”的內容了，經過本文的學習后，相信大家對怎么使用Python的Pandas布爾索引這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！