挑出想要的数据

前言

上一章，咱们把记账本这张表看清楚了：一千多行、5 列，每一列是什么类型，心里都有数了。

可是真要回答问题的时候，往往用不着整张表。比如「看病一年花了多少？」，只要医疗那几行就够了；「哪几笔花得最多？」，只要金额大的那几行；「每天的早饭吃了些什么？」，只要名称这一列里的一部分。

所以这一章，就来学怎么从一张大表里，把想要的那部分挑出来。挑法主要有三种：按列挑、按位置挑、按条件挑。为什么要专门花一章来学呢？因为这是 pandas 里用得最多的本事，后面每一章都离不开它。

学这一章之前，需要先学完 数据分析课第 2 章 。

目录

这一章会学到：

• 一、按列挑——一列、几列，以及去掉不要的列
• 二、按位置挑——iloc 和 loc
• 三、按条件挑——一串 True 和 False
• 四、好几个条件——& 、| 、~ 和 isin()
• 五、常见坑
• 六、自己查一次文档——用 between() 挑出一个范围
• 七、小结与回看

学完这一章，脑子里冒出一个问题，你就能把回答它所需要的那部分数据，从表里干干净净地挑出来。

一、按列挑

先从最简单的按列挑说起。上一章已经见过：方括号里写一个列名，就能取出一列；写一个列名的列表，就能取出好几列。不过这里面有一个容易忽略的区别，先运行下面的代码看看：

import pandas as pd

ledger = pd.read_csv('ledger_2026.csv')
print(type(ledger['item']))
print(type(ledger[['item']]))

输出的结果：

<class 'pandas.core.series.Series'>
<class 'pandas.core.frame.DataFrame'>

同样是 item 这一列，用一层方括号，得到的是 Series；用两层方括号，得到的却是 DataFrame，也就是一张只有一列的表。

为什么要分得这么清楚呢？因为两者能做的事不一样：

• Series 是一串值，可以直接 sum() 、unique() 。
• DataFrame 是一张表，打印出来带着列名，还能接着挑行、挑列。

所以，只想要一串值，就用一层方括号；想要的还是一张表，就用两层。

好几列一起取的时候，还有一个小细节：列的顺序，是按你写的顺序来的。

import pandas as pd

ledger = pd.read_csv('ledger_2026.csv')
print(ledger[['cost', 'item', 'date']].head(3))

输出的结果：

     cost      item        date
0  2500.0      房租  2026-01-01
1   156.0  水电燃气  2026-01-01
2    13.0      早饭  2026-01-01

cost 写在最前面，打印出来它就排在了第一列。

那要是想要的列很多，不要的只有一两列呢？一个一个地写想要的列，就太麻烦了。这时候反过来，只写不要的那几列更省事，用 drop(columns=[...]) ：

import pandas as pd

ledger = pd.read_csv('ledger_2026.csv')
no_payment = ledger.drop(columns=['payment'])
print(list(no_payment.columns))
print(ledger.shape)

输出的结果：

['date', 'item', 'category', 'cost']
(1354, 5)

先看第一行：payment 这一列已经去掉了。再留意第二行：ledger 还是 5 列。这是因为 drop() 不会改动原来的表，而是返回一张新表。pandas 里大部分方法都是这样，所以要保留结果，就得用一个变量把它接住，比如这里的 no_payment 。