在数据整顿实现后，接着就要对条件数据进行提取、并且筛选咱们所须要的数据，这就是本篇文章所要讲的数据的提取与筛选，跟本系列其余文章一样咱们采取实例的形式进行阐明。新来的童鞋请先查看本系列文章的后面几篇内容。

公众号：老王说编程 | 作者：老王

1，导入 python 库
# 导入 numpy 库，次要用于数据计算import numpy as np# 导入 pandas 库，次要用于读取 excel 数据、DataFrame 数据结构的应用import pandas as pd
2，按标签提取数据
# 上篇文章（python-excel 数据处理）最初生成 data_inner 数据，它的类型是 DataFrame 构造的数据# loc() 函数，提取索引列的第 4 行的数据data_inner.loc[3]# loc() 函数，提取索引列从第 1 行到第 4 行的数据data_inner.loc[0:3]# loc() 函数，提取第 4 行之前的数据行data_inner.loc[:3]
3，按地位提取数据
# iloc() 函数，按第 3 行、第 2 列之前的区域进行数据提取data_inner.iloc[:2,:1]
4，按条件提取数据
# 应用 isin() 函数 作为条件筛选出 name 列是 laowang、laow 的数据# 再配合应用 loc() 筛选出数据 data_inner.loc[data_inner['name'].isin(['laowang','laow'])]
5，数据筛选

应用 DataFrame 数据结构的数据进行筛选，其实相似于 python 中调用数据库的 SQL 语句条件查问，在一个曾经整顿好的数据表中依据条件筛选出所须要的数据的过程。

# 留神：应用的是 & 作为 “与” 的条件判断data_inner.loc[(data_inner['name'] == 'laow') & (data_inner['age'] > 25), ['id','name','age']]# 留神：应用的是 & 作为 “或” 的条件判断data_inner.loc[(data_inner['name'] == 'laow') | (data_inner['age'] > 25), ['id','name','age']]# 留神：应用的是 & 作为 “非” 的条件判断，并且在筛选实现后依照年龄大小进行了排序data_inner.loc[(data_inner['name'] != 'laow'), ['id','name','age']].sort(['age'])

更多精彩返回老王说编程>>>