pandas官方文档中cookbook（2）的split&building criteria翻译

文档版本：0.20.3
这些例子是用python3.4写出来的。对于较早的python版本需要对代码做些相应的调整。
Pandas（pd）和Numpy（np）是唯一两个默认导入的包。其余的包会显示导入给新用户看。
若有翻译不当的地方，请多多指教。

这份文档中的例子都是从Stack-Overflow和Github中别人提问的比较经典的问题，作者从中提炼与总结。

分割数据框

用布尔值条件分割数据库In [9]: df = pd.DataFrame(...:      {'AAA' : [4,5,6,7], 'BBB' : [10,20,30,40],'CCC' : [100,50,-30,-50]}); df...: Out[9]:     AAA  BBB  CCC0    4   10  1001    5   20   502    6   30  -303    7   40  -50In [10]: dflow = df[df.AAA <= 5]; dflowOut[10]:     AAA  BBB  CCC0    4   10  1001    5   20   50In [11]: dfhigh = df[df.AAA > 5]; dfhighOut[11]:     AAA  BBB  CCC2    6   30  -303    7   40  -50

建立复杂的布尔值条件

对多列进行布尔值判断来选取数据

In [12]: df = pd.DataFrame(....:      {'AAA' : [4,5,6,7], 'BBB' : [10,20,30,40],'CCC' : [100,50,-30,-50]}); df....: Out[12]:     AAA  BBB  CCC0    4   10  1001    5   20   502    6   30  -303    7   40  -50

与逻辑（若无分配数值就返回一个Series）

In [13]: newseries = df.loc[(df['BBB'] < 25) & (df['CCC'] >= -40), 'AAA']; newseriesOut[13]: 0    41    5Name: AAA, dtype: int64

或逻辑（若有分配数据就返回一个新的数据框）

In [15]: df.loc[(df['BBB'] > 25) | (df['CCC'] >= 75), 'AAA'] = 0.1; dfOut[15]:     AAA  BBB  CCC0  0.1   10  1001  5.0   20   502  0.1   30  -303  0.1   40  -50

选取最接近用于给定的一个数值的行通过使用argsort函数

In [16]: df = pd.DataFrame(....:      {'AAA' : [4,5,6,7], 'BBB' : [10,20,30,40],'CCC' : [100,50,-30,-50]}); df....: Out[16]:     AAA  BBB  CCC0    4   10  1001    5   20   502    6   30  -303    7   40  -50In [17]: aValue = 43.0In [18]: df.loc[(df.CCC-aValue).abs().argsort()]Out[18]:     AAA  BBB  CCC1    5   20   500    4   10  1002    6   30  -303    7   40  -50

通过使用二进制运算符动态减少判断列表

In [19]: df = pd.DataFrame(....:      {'AAA' : [4,5,6,7], 'BBB' : [10,20,30,40],'CCC' : [100,50,-30,-50]}); df....: Out[19]:     AAA  BBB  CCC0    4   10  1001    5   20   502    6   30  -303    7   40  -50In [20]: Crit1 = df.AAA <= 5.5In [21]: Crit2 = df.BBB == 10.0In [22]: Crit3 = df.CCC > -40.0

一种硬编码的方式：

In [23]: AllCrit = Crit1 & Crit2 & Crit3

或者可以用动态建立判断列表的方法：

In [24]: CritList = [Crit1,Crit2,Crit3]In [25]: AllCrit = functools.reduce(lambda x,y: x & y, CritList)In [26]: df[AllCrit]Out[26]:     AAA  BBB  CCC0    4   10  100