如何基于pandas中的范围进行匹配

在Pandas中，基于范围的匹配通常涉及到使用条件筛选来选取数据框（DataFrame）中满足特定条件的行。以下是一些基础概念和相关操作：

基础概念

DataFrame: Pandas中的二维表格数据结构，包含行和列。
条件筛选: 使用布尔索引来选取满足特定条件的数据。

类型与应用场景

数值范围匹配: 如选取某个数值区间内的数据。
时间范围匹配: 如选取某个时间段内的记录。
分类范围匹配: 如根据分类变量的特定范围进行筛选。

示例代码

以下是一些基于范围的匹配示例：

数值范围匹配

假设我们有一个包含学生分数的数据框：

import pandas as pd

# 创建示例数据框
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David'],
        'Score': [85, 92, 78, 88]}
df = pd.DataFrame(data)

# 筛选分数在80到90之间的学生
filtered_df = df[(df['Score'] >= 80) & (df['Score'] <= 90)]
print(filtered_df)

时间范围匹配

如果数据框中包含日期：

# 创建包含日期的数据框
data = {'Date': pd.date_range(start='1/1/2022', periods=5),
        'Value': [10, 20, 30, 40, 50]}
df = pd.DataFrame(data)

# 筛选2022年1月2日至1月4日的数据
start_date = pd.Timestamp('2022-01-02')
end_date = pd.Timestamp('2022-01-04')
filtered_df = df[(df['Date'] >= start_date) & (df['Date'] <= end_date)]
print(filtered_df)

分类范围匹配

对于分类数据：

# 创建包含分类变量的数据框
data = {'Category': ['A', 'B', 'C', 'A', 'B'],
        'Value': [1, 2, 3, 4, 5]}
df = pd.DataFrame(data)

# 筛选Category为'A'或'B'的行
filtered_df = df[df['Category'].isin(['A', 'B'])]
print(filtered_df)