Pandas 筛选和删除目标值所在的行的实现

1.筛选出目标值所在行 

单列筛选

# df[列名].isin([目标值])对当前列中存在目标值的行会返回True，不存在的返回False
df[df[列名].isin([目标值])]

练习案例 

import pandas as pd

df_bom_data = pd.DataFrame([['A123',1200,5],
                           ['B456',550,2],
                           ['C437',500,10],
                           ['D112',621,7],
                           ['E211',755,11],
                           ['F985',833,8]
                           ],columns=['Material','Price','Quantity'])

df_material_shortage_data = pd.DataFrame([['A123','2022/6/21',100],
                                         ['B456','2022/6/22',120],
                                         ['C437','2022/6/23',250]
                                         ],columns=['Material','Schedule','LT'])
# 筛选出df_bom_data表中只包含df_material_shortage_data表中Material的行记录
df_bom_data = df_bom_data[df_bom_data['Material'].isin(df_material_shortage_data['Material'])]

df_bom_data

df_material_shortage_data 

df_bom_data(处理后)

多列筛选

# 同时满足用&连接，或的话用 | 连接
df[df[列名].isin([目标值]) & df[列名].isin([目标值])]
df[df[列名].isin([目标值]) | df[列名].isin([目标值])]

练习案例 

import pandas as pd

df = pd.DataFrame([['L123','A',0],
                  ['L456','A',1],
                  ['L437','C',0],
                  ['L112','B',1],
                  ['L211','A',0],
                  ['L985','B',1]
                 ],columns=['Material','Level','Passing'])
# 筛选出指定列都有目标值的行
res1 = df[df['Level'].isin(['A','C']) & df['Passing'].isin([0])]
# 筛选出至少有一列有目标值的行
res2 = df[df['Level'].isin(['A','C']) | df['Passing'].isin([0])]

df

res1

res2 

2.删除目标值所在的行

练习案例

import pandas as pd
import numpy as np

df_bom_data = pd.DataFrame([['A123',1200,5],
                           ['B456',np.nan,np.nan],
                           ['C437',500,10]
                           ],columns=['Material','Price','Quantity'])

df_material_shortage_data = pd.DataFrame([['A123','2022/6/21',100],
                                         ['B456','2022/6/22',120],
                                         ['C437','2022/6/23',250]
                                         ],columns=['Material','Schedule','LT'])

# 筛选出df_bom_data中'Price'和'Quantity'两列字段的值都为空(nans)的行
df_isnull_bom_data = df_bom_data[pd.isnull(df_bom_data[df_bom_data.columns.tolist()[1:]]).all(axis=1)]

# df_material_shortage_data表删除all_isnull_df_bom_data表中的Material
df_material_shortage_data = df_material_shortage_data[~df_material_shortage_data['Material'].isin(df_isnull_bom_data['Material'])]

df_bom_data

df_material_shortage_data

df_isnull_bom_data 

df_material_shortage_data(处理后)

扩展补充案例:删除列为指定值所在的行

import pandas as pd

df = pd.DataFrame([[0,1,2,3],
                 [4,5,6,7],
                 [8,9,10,11]
                 ],columns=['A','B','C','D'])

# 通过重新取值，数据筛选后重新赋值，达到删除列为指定值的行数据
# 删除A列中值为0的那一行记录
df = df[df['A'] != 0]

df

df(处理后) 

来源：https://blog.csdn.net/Hudas/article/details/125394010