pandas数据筛选

🧩 题目一：VP35 牛客的资深员工

📄 题目描述

现有一个 Nowcoder.csv 文件，它记录了牛客部分员工的基本信息，包含如下字段（字段与字段之间以逗号间隔）：

• ID：工号
• working_years：工龄
• level：级别
• language：使用语言
• salary：工资

牛牛正在调查 C 语言用户的工资情况，请你帮他筛选出使用 C 语言的牛客资深员工的全部数据。

资深员工定义：工龄超过或等于 8 年。

输入描述：
数据集直接从当前目录下的 Nowcoder.csv 文件中读取。

输出描述：
输出数据集中工龄不小于 8 年的 C 语言员工的全部信息，包括行号。

✅ 参考代码

import pandas as pd
Nowcoder = pd.read_csv('Nowcoder.csv', sep=',')
result = Nowcoder[(Nowcoder['language'] == 'C') & (Nowcoder['working_years'] >= 8)]
print(result)

❓ 为什么这里没有写 dtype=object？

✅ 答：这是一个非常关键的问题！

• 在这道题中，working_years 是一个数值型字段，我们需要对它进行比较操作（>= 8）。
• 如果我们写 dtype=object，pandas 会把所有列都当作字符串处理。
  • 那么 working_years 的值就是 '8'、'10' 这样的字符串。
  • 虽然字符串也能比较（'10' >= '8' 在某些情况下成立），但这是字典序比较，不是数值比较！
    • 例如：'2' >= '10' → True ❌（因为 '2' > '1'）
    • 而数值上 2 < 10 ✅
• 所以，为了让 working_years 被正确识别为数字，我们不写 dtype=object，让 pandas 自动推断类型。
  • pandas 会把纯数字的列识别为 int64 或 float64，这样 >= 8 就是真正的数值比较。

✅ 结论：
当你需要对某一列做数学运算或数值比较时，不要写 dtype=object，让 pandas 自动识别为数字类型。

❓ 为什么条件要用括号括起来？& 是什么？

✅ 答：这是 pandas 布尔索引的核心语法。

(Nowcoder['language'] == 'C') & (Nowcoder['working_years'] >= 8)

• ( )：每个条件必须用括号包裹，因为 & 的优先级比 == 和 >= 低。
  • 如果不加括号：Nowcoder['language'] == 'C' & Nowcoder['working_years'] >= 8
  • 会先算 'C' & Nowcoder['...']，导致类型错误。
• &：表示“且”（and），用于连接两个布尔序列。
  • ⚠️ 不能写 and！因为 and 是 Python 的逻辑运算符，只能用于单个布尔值，不能用于 pandas Series（一整列的 True/False）。
  • & 是按元素进行“与”操作，适用于数组/序列。

✅ 口诀：
多条件筛选用 &，每个条件加括号，不用 and 用 &

🧩 题目二：VP36 筛选618的订单

📄 题目描述

现有一个 Order.csv 文件，它记录了某商城近一周的订单销售数据，包含如下字段（字段与字段之间以逗号间隔）：

• order_num：订单号
• price：商品价格
• date：销售日期
• shop_name：店铺名字

数据分析统计员牛牛想要知道 618 那天所有销售的店铺及商品价格信息，你能帮他找出来吗？

输入描述：
数据集直接从当前目录下的 Order.csv 文件中读取。

输出描述：
输出该数据集中销售时间为 618 当天对应的价格和店铺信息，包括行号。

✅ 参考代码

import pandas as pd
order = pd.read_csv('Order.csv', sep=',', dtype=object)
print(order[['price', 'shop_name']][order.date == '2022/6/18'])

🔍 深度解析 + 你的疑问解答

❓ 为什么这里写了 dtype=object？

✅ 答：这正是你想问的“有时候写，有时候不写”的经典案例！

• 在这道题中：
  • price：虽然是价格，但我们只做筛选和输出，不做加减乘除。
  • date：日期字段，格式为 '2022/6/18'，是字符串。
  • shop_name：显然是文本。
• 我们的目标是精确匹配字符串，比如 date == '2022/6/18'。
• 如果不写 dtype=object，pandas 可能会尝试把 price 当成数字，把 date 当成日期类型。
  • 虽然也能工作，但有时会因为日期格式不标准导致解析失败。
• 写上 dtype=object 的好处：
  • 所有列都当字符串处理，避免类型转换错误。
  • 字符串比较 == '2022/6/18' 更稳定。
  • 不怕 price 里有非数字字符（比如带货币符号）。

✅ 结论：
当你不需要做数值计算，只是做字符串匹配或文本处理时，建议写 dtype=object，更安全、更简单。

❓ order.date 和 order['date'] 有什么区别？

• order.date：是 pandas 提供的快捷访问方式，等价于 order['date']。
• 但有局限：
  • 列名不能有空格或特殊字符（如 order_num 可以，order num 不行）。
  • 列名不能是 pandas 的方法名（如 mean、sum）。
• 推荐统一使用 order['date']，更通用、更安全。

🧩 题目三：VP37 快递站点信息

📄 题目描述

现有一个 Nowcoder.csv 文件，它记录了牛客网附近某个快递站点近期寄送的快递信息，包含如下字段（字段与字段之间以逗号间隔）：

• order_num：订单号
• Postage：运费
• Date：寄送日期
• Destination：目的地
• phone_tail_number：手机尾号
• Type：快递类型

由于 618 当天销售火热，快递寄送也非常多，网点成员想知道 618 当天快递类型为 1 的快递都送往了哪些地方，你能帮他输出一下吗？

输入描述：
数据集直接从当前目录下的 Nowcoder.csv 文件中读取。

输出描述：
输出该数据集中日期为 2022/6/18 且类型为 1 的快递的目的地信息，包括行号。

✅ 参考代码

❓ 这段代码有没有问题？为什么你之前说“列在前，条件在后”不好？

✅ 答：你观察得很敏锐！这段代码虽然在某些情况下能运行，但存在语法风险。

sf['Destination'][(sf.Type == '1') & (sf.Date == '2022/6/18')]

• 这种写法是先取列 ['Destination']，再对它应用布尔索引。
• 但由于 pandas 的链式索引（chained indexing）机制，这种写法可能触发 SettingWithCopyWarning，在赋值时尤其危险。
• 更安全的做法是：先筛选行，再选列。

✅ 推荐写法（更安全、更清晰）

# 方法1：先筛选，再选列（推荐）
result = sf[(sf['Type'] == '1') & (sf['Date'] == '2022/6/18')]
print(result['Destination'])

# 方法2：使用 .loc（最推荐）
print(sf.loc[(sf['Type'] == '1') & (sf['Date'] == '2022/6/18'), 'Destination'])

✅ .loc 语法说明：

df.loc[行条件, 列名]

• 第一个参数：行的筛选条件（布尔序列）
• 第二个参数：要选择的列名
• 优点：明确、安全、高效

🧰 核心知识点总结