从列表中一次性筛选多个指定位置的数据

Pandas的DataFrame在筛选列数据的时候，有一个非常方便的用法。

假设现在有这样一个DataFrame：

import pandas as pd


data = [
    {'name': 'kingname', 'age': 20, 'salary': 99999},
    {'name': 'alice', 'age': 30, 'salary': 99999},
    {'name': 'bob', 'age': 10, 'salary': 99999},
    {'name': 'cindy', 'age': 40, 'salary': 99999}
]
df = pd.DataFrame(data)
df
复制代码

运行效果如下图所示：

我要筛选所有 age >= 30 的数据，可以这样写：

df[df['age'] >= 30]
复制代码

运行效果如下图所示：

而这里面的原理，实际上可以使用下面这个代码来解释：

df[[False, True, False, True]]
复制代码

如下图所示：

那么问题来了，我有一个 Python 里面，列表能不能也实现这个功能呢？假设有下面两个列表：

name_list = ['kingname', 'alice', 'bob', 'cindy']

position_list = [True, False, True, False]
复制代码

我想把 position_list 列表中， True 的下标在 name_list 中对应的值都获取下来。

你可能会这样写代码：

name_list = ['kingname', 'alice', 'bob', 'cindy']
position_list = [True, False, True, False]

for name, position in zip(name_list, position_list):
    if position:
        print(name)
复制代码

运行效果如下图所示：

但实际上，在Python里面有一个现成的函数可以实现这个功能，那就是 itertools.compress() ，其使用方法如下：

from itertools import compress

name_list = ['kingname', 'alice', 'bob', 'cindy']
position_list = [True, False, True, False]

for name in compress(name_list, position_list):
    print(name)
复制代码

运行效果如下图所示：

如果这篇文章对你有帮助，请关注我的微信公众号： 未闻Code(ID: itskingname)，第一时间获的最新更新：