欢迎来到 Pandas 数据过滤实验！数据过滤是数据分析中最常见也是最重要的任务之一。它允许你选择满足特定条件的数据子集，从而让你能够专注于与你的分析最相关的信息。
Pandas 是一个强大的 Python 数据处理和分析库。其核心数据结构 DataFrame 是一个二维数据表，包含行和列。在本实验中，你将学习从 Pandas DataFrame 中过滤行的几种基本技术。我们将涵盖：
isin() 方法匹配多个值。NaN）的行。在本实验结束时，你将为在 Pandas 项目中选择和隔离数据打下坚实的基础。
在本步骤中，你将学习最基本的过滤技术：布尔索引（boolean indexing）。此方法涉及创建一个布尔条件，该条件会返回一个包含 True 和 False 值的 Pandas Series。当你将此 Series 传递给 DataFrame 时，它只会返回值为 True 的那些行。
让我们开始过滤 DataFrame，找出所有年龄大于 30 的员工。
首先，在左侧编辑器中打开 main.py 文件。该文件已预先填充了示例 DataFrame。
现在，用以下代码替换 main.py 文件底部的现有 print 语句。此代码创建了一个布尔条件 df['Age'] > 30，并使用它来过滤 DataFrame。
## Filter for employees older than 30
older_than_30 = df[df['Age'] > 30]
print("Employees older than 30:")
print(older_than_30)你完整的 main.py 文件现在应该如下所示：
import pandas as pd
import numpy as np
## Create a sample DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve', 'Frank'],
'Department': ['HR', 'HR', 'Sales', 'IT', 'IT', 'Finance'],
'Age': [25, 45, 38, 52, 29, 33],
'Salary': [50000, 80000, 75000, 95000, 62000, np.nan]
}
df = pd.DataFrame(data)
## Filter for employees older than 30
older_than_30 = df[df['Age'] > 30]
print("Employees older than 30:")
print(older_than_30)现在，让我们运行脚本。打开终端并执行以下命令：
python3 main.py你应该会看到以下输出，其中仅列出了年龄大于 30 的员工。
Employees older than 30:
Name Department Age Salary
1 Bob HR 45 80000.0
2 Charlie Sales 38 75000.0
3 David IT 52 95000.0
5 Frank Finance 33 NaN在本步骤中，我们将组合多个条件来执行更复杂的过滤。你可以使用逻辑运算符组合布尔条件。最常见的运算符是 & 表示 AND（与），| 表示 OR（或）。
一个关键的语法规则是，由于 Python 的运算符优先级，每个条件都必须用括号 () 括起来。
让我们过滤 DataFrame，找出同时属于“IT”部门 且 年龄大于 30 的员工。
修改你的 main.py 文件。将上一步的过滤代码替换为下面的新代码。
## Filter for employees in IT and older than 30
it_and_older = df[(df['Department'] == 'IT') & (df['Age'] > 30)]
print("IT employees older than 30:")
print(it_and_older)请注意，每个条件 df['Department'] == 'IT' 和 df['Age'] > 30 都用自己的括号括起来。
保存 main.py 文件，并在终端中运行它：
python3 main.py输出将只显示满足两个条件的员工。在我们的数据集中，只有 David 符合此标准。
IT employees older than 30:
Name Department Age Salary
3 David IT 52 95000.0在本步骤中，你将学习如何过滤出列值是多个可能值之一的行。虽然你可以使用多个 | (OR) 条件，但更高效且可读性更强的方法是使用 isin() 方法。此方法接受一个值列表，并为列值在该列表中的每一行返回 True。
让我们找出所有在“HR”或“Finance”部门工作的员工。
使用以下代码更新 main.py 文件中的过滤逻辑：
## Filter for employees in HR or Finance departments
hr_or_finance = df[df['Department'].isin(['HR', 'Finance'])]
print("Employees in HR or Finance:")
print(hr_or_finance)在这里，isin(['HR', 'Finance']) 检查 Department 列中哪些行的值是“HR”或“Finance”。
保存文件并在终端中执行脚本：
python3 main.py输出将显示来自指定部门的所有员工。
Employees in HR or Finance:
Name Department Age Salary
0 Alice HR 25 50000.0
1 Bob HR 45 80000.0
5 Frank Finance 33 NaN在本步骤中，我们将处理如何处理缺失数据。在 Pandas 中，缺失值通常用 NaN (Not a Number) 表示。在执行计算之前，通常需要过滤掉包含这些缺失值的行。
notnull() 方法返回一个布尔 Series，对于非缺失值返回 True，对于缺失值 (NaN) 返回 False。你可以使用它轻松移除特定列中包含 NaN 的行。
让我们过滤 DataFrame，只查看我们有薪资信息的员工。
修改 main.py 文件，在 Salary 列上使用 notnull() 方法。
## Filter out rows with missing Salary
valid_salary = df[df['Salary'].notnull()]
print("Employees with valid salary information:")
print(valid_salary)此代码将选择 Salary 列不包含 NaN 的所有行。
保存文件并在终端中运行脚本：
python3 main.py正如你在输出中看到的，薪资为 NaN 的 Frank 已被排除在结果之外。
Employees with valid salary information:
Name Department Age Salary
0 Alice HR 25 50000.0
1 Bob HR 45 80000.0
2 Charlie Sales 38 75000.0
3 David IT 52 95000.0
4 Eve IT 29 62000.0在最后这个步骤中，你将学习如何计算过滤后的 DataFrame 中的行数。应用过滤器后，你通常需要知道有多少行符合你的标准。一个简单的方法是使用 Python 内置的 len() 函数，它返回 DataFrame 中的行数。
让我们过滤出“IT”部门的所有员工，然后计算他们的数量。
使用以下代码更新你的 main.py 文件。我们将首先过滤 DataFrame，然后将结果 DataFrame 传递给 len() 函数。
## Filter for employees in the IT department
it_employees = df[df['Department'] == 'IT']
## Count the number of IT employees
num_it_employees = len(it_employees)
print(f"Number of employees in IT: {num_it_employees}")此代码首先创建一个新的 DataFrame it_employees，其中只包含 IT 部门的行。然后，它计算这个新 DataFrame 的长度，并打印一个包含结果的格式化字符串。
保存文件并运行脚本：
python3 main.py输出将是告诉你的计数的单行。
Number of employees in IT: 2恭喜你完成了 Pandas 数据过滤实验！
在这个实验中，你学习并实践了从 Pandas DataFrame 中选择数据子集的基本技术。你已经掌握了：
df[df['Age'] > 30]）。& (AND) 运算符同时应用多个条件，并记住将每个条件用括号括起来。isin() 进行值匹配 (Value Matching with isin())：高效地过滤出列值与给定列表中的任何值匹配的行。notnull() 方法移除包含 NaN 值的行。len() 函数获取过滤后 DataFrame 的行数。这些过滤技能是几乎所有数据分析任务的基础。掌握它们将使你能够有效地探索和准备数据集，以进行进一步的分析和可视化。继续练习这些技术，以提高你使用 Pandas 的熟练度。
