pandas的數據篩選功能很強大，可以看下面的例子

要篩選a列小于3的數據，只要

如果我們想篩選a列大于1，且小于3的數據，用1<df['a']<3可以嗎？很遺憾，這樣是會報錯的。

ValueError

df['a']<3到底是何方神圣，打印出來瞧瞧。

方案一：for循環生成bool值列表

這樣可以完美使用連續的不等式，但是我們知道當序列長度很長時，對于dataframe來說，使用矢量化的操作效率會比單純的for循環更高。

方案二：位操作

我們知道，python的列表可以進行位操作。那dataframe這個bool值序列可以類似操作嗎？

因為位與操作優先級比大于號，小于號要高，所以表達式要括號括起來。我們發現：第三個式子剛好是前兩個式子位與操作的結果。看一下聯合表達式對df的作用效果,剛好就是a列大于1小于3的篩選結果。

我們對兩種方案進行對比df的長度擴充到10000.

結論：位操作在數據序列足夠長時效率明顯優于for循環。

延伸:

或操作：

dataframe還支持非操作，對bool值序列取反:

總結

以上是生活随笔為你收集整理的bool 取反_dataframe根据bool值高效地进行多重条件筛选的的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。