如何根据Pandas中某列的值从DataFrame中选择行？
在SQL中，我会使用：
SELECT *
FROM table
WHERE column_name = some_value
当前回答
在Pandas的更新版本中，受文档启发（查看数据）：
df[df["colume_name"] == some_value] #Scalar, True/False..
df[df["colume_name"] == "some_value"] #String
通过将子句放在括号（）中，并用&和|（和/或）组合来组合多个条件。这样地：
df[(df["colume_name"] == "some_value1") & (pd[pd["colume_name"] == "some_value2"])]
其他过滤器
pandas.notna(df["colume_name"]) == True # Not NaN
df['colume_name'].str.contains("text") # Search for "text"
df['colume_name'].str.lower().str.contains("text") # Search for "text", after converting to lowercase
其他回答
您可以在函数中使用loc（方括号）：
# Series
s = pd.Series([1, 2, 3, 4])
s.loc[lambda x: x > 1]
# s[lambda x: x > 1]
输出：
1 2
2 3
3 4
dtype: int64
or
# DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [10, 20, 30]})
df.loc[lambda x: x['A'] > 1]
# df[lambda x: x['A'] > 1]
输出：
A B
1 2 20
2 3 30
使用带有panda>=0.25.00的.query更灵活：
由于panda>=0.25.00，我们可以使用查询方法来使用panda方法过滤数据帧，甚至可以使用带有空格的列名。通常，列名中的空格会给出一个错误，但现在我们可以使用backtick（`）来解决这个问题-请参见GitHub：
# Example dataframe
df = pd.DataFrame({'Sender email':['ex@example.com', "reply@shop.com", "buy@shop.com"]})
Sender email
0 ex@example.com
1 reply@shop.com
2 buy@shop.com
将.query与方法str.endswith一起使用：
df.query('`Sender email`.str.endswith("@shop.com")')
输出
Sender email
1 reply@shop.com
2 buy@shop.com
此外，我们还可以通过在查询中用@前缀来使用局部变量：
domain = 'shop.com'
df.query('`Sender email`.str.endswith(@domain)')
输出
Sender email
1 reply@shop.com
2 buy@shop.com
您也可以使用.apply：
df.apply(lambda row: row[df['B'].isin(['one','three'])])
它实际上按行工作（即，将函数应用于每一行）。
输出为
A B C D
0 foo one 0 0
1 bar one 1 2
3 bar three 3 6
6 foo one 6 12
7 foo three 7 14
结果与@unsubu提到的使用相同
df[[df['B'].isin(['one','three'])]]
对于Pandas中给定值的多个列中仅选择特定列：
select col_name1, col_name2 from table where column_name = some_value.
选项位置：
df.loc[df['column_name'] == some_value, [col_name1, col_name2]]
或查询：
df.query('column_name == some_value')[[col_name1, col_name2]]
如果您想重复查询数据帧，并且速度对您很重要，最好的方法是将数据帧转换为字典，然后通过这样做，您可以将查询速度提高数千倍。
my_df = df.set_index(column_name)
my_dict = my_df.to_dict('index')
制作my_dict字典后，您可以浏览：
if some_value in my_dict.keys():
my_result = my_dict[some_value]
如果column_name中有重复值，则无法创建字典。但您可以使用：
my_result = my_df.loc[some_value]
