懂Excel也能轻松入门Python数据分析包pandas(二)：高级筛选(上)

前言

经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas 。

上一篇文章从 Excel 筛选为核心，介绍 pandas 中的实现，但是，Excel 中还有一个高级筛选的功能，普通的筛选与其对比，就只能算是"低级筛选"功能了。接下来，通过简单到复杂的需求，看看这是怎么样的一个功能。

数据

本文示例数据如下：

• - 某学校的一份考试成绩表(8科成绩)
• - 人名已做脱敏处理

加载数据

pandas 需要加载 Excel 数据，非常容易，如下：

• - 大部分参数上一篇文章已经有说明，这里说说重点
• - 由于工作表中有多余的列数据，我们只需要前10列，因此指定 usecols 参数。 他接受一个列表。 list(range(0,10))，其实相当于[0,1,2…………,9]的一个列表

条件过滤

先来一个超级简单例子，来看看怎么操作 Excel 的高级筛选。

"姓名是 A1 的记录"，Excel 高级筛选操作步骤如下：

• - 功能区 "数据" 页，在"筛选大图标" 右下有一个 "高级" ，点击出来高级筛选功能窗口
• - 主要看上图2的红框，选择我们的数据源区域，记得要包含标题
• - 上图2的蓝框是条件区域，条件区域的选择如图
• - 点击确定，即可筛选出姓名 A1 的记录

看看条件区域的设定：

• - 格式为，标题+条件值(上下单元格)
• - 标题必须与数据源对应的列一致，比如这里指定姓名列，所以条件区域的标题也是"姓名"
• - 条件值我们使用 ="=A1"

> 如果只是指定文本值 A1 ，Excel 默认会把姓名前缀A1的记录筛选出来。

pandas 中没有啥高级筛选的说法，因为他的筛选本来就很灵活，看看 pandas 的实现：

• - 简单易懂，都是之前文章介绍过的，这里不多说

特定值过滤

"4、5或7班的记录"，Excel 高级筛选的条件区域设置如下：

• - 红框部分就是条件区域
• - 标题是"班级"，这要与数据源保持一致
• - 条件值区域多行表示"或"关系，上图就是表示班级是4或5或7，任意一个符合的记录

pandas 实现如下：

• - 同样使用 query 方法
• - in [4,5,6] ，语义清晰，班级是在列表中即符合

pandas 的 query 查询可以很灵活，可以接受外部的一个列表变量，如下：

• - 查询字符串要使用外部变量，只需要写 "@+变量名字" 即可

范围过滤

"总分450至500之间的记录"，Excel 高级筛选的条件区域设置如下：

• - 数据源没有总分列，添加一个 sum 公式的总分列

• - 条件区域在同一行，表示"并且"关系
• - 条件值可以直接使用常用的比较符号
• - 还是要注意条件标题"总分"

pandas 实现如下：

• - 第一句，添加新列，总和列。 pandas 新增列非常简单，df[新列名字]=新列值，即可
• - df.loc[:,'语文':'生物'] ，是获取语文到生物之间的列的数据
• - .sum(axis=1) ，横向求和。 因为 pandas 可以灵活对行或列做运算，通过 axis 即可表达运算是对行还是列操作。
• - 第二句即查询，通俗易懂

"语文高于90，或者，数学高于或等于100"，Excel 高级筛选的条件区域设置如下：

pandas 实现如下：

• - query 中的查询字符串可以使用 python 中的逻辑关键字 and 或 or 这些都可以

下篇预告

本文从 Excel 高级筛选角度介绍简单的应用，下一篇将讲解更复杂的应用，先看看有哪些复杂需求：

• - "总分高于全班平均分的学生"，这需要每行记录与整体平均对比
• - "总分高于所在班级平均分的学校" ，这是上一条的升级版
• - "全级中，8科成绩都超出全级平均分的学生" ，每科成绩都要细致对比

下篇将解决以上问题，敬请关注。