前言
经常听别人说 Python 数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas 。
Excel 自带筛选功能，可以对表格中进行各种条件筛选。今天我们就用 pandas 看看怎么做到 Excel 的筛选功能，并且看看 Excel 也做不到的功能。
数据
本文示例数据如下：
- 数据都是用代码生成的，就是一些个人信息数据
加载数据
pandas 需要加载 Excel 数据，非常容易，如下：
- - import pandas as pd ，导入 pandas 包
- - pd.read_excel ，即可加载 Excel 数据
- - 指定文件路径，由于文件在 Python 脚本同目录，直接输入文件名即可
- - sheet_name 指定读取哪个工作表
- - 还有很多其他参数，我们这次的数据非常规范，因此不需要用到其他参数
按位置过滤
Excel 的筛选只能根据列值进行操作，因此我们在表格添加一序号列。看图：
- - 为了与 pandas 行索引保持一致，这里添加的列值是从0开始
接着试试，"显示第3至6行"，如下：
- - 功能卡"数据"页面，在"排序和筛选"中点击大大的"筛选"图标
- - 点首行第一列的下角标签
- - 默认是全选了，点一下"全选"，即可取消所有选中的
- - 分别点选对应的值即可
看看 pandas 中如何做到，如下：
- - pandas 中的 DataFrame 自带行索引
- - 直接使用 df.loc[2:5]
按值过滤
位置过滤太简单了，很少场景使用。这次看看"显示所有男性"记录。
Excel 不介绍了，看看 pandas 怎么完成：
- - df['sex'] ，就是性别列
- - df['sex']=='M' ，语义清晰，性别等于M
多条件也不在话下，"显示男性并且血型是A "，如下：
当然，有更加简单的写法，如下：
- - query 方法，可以直接接受一个查询字符串，是不是很像 Sql 呢
指定多个值也很简单，"血型是A 或B-"，如下：
- - 查询字符串可以直接用 in
模式匹配
太简单了？来个复杂一点的。
"血型值首字母是A"的记录。Excel 中的筛选也是强大的，直接有此功能。如下：
pandas 对应操作如下：
- - 血型 列是文本类型，因此可以用 .str ，从而使用一系列文本快捷方法
当然，pandas 中的文本处理功能比 Excel 强大得多，来看看。
"住址内容包含 天津市 3字"的记录。如下：
什么，Excel也可以？来看看下面这个需求就不寻常了。
"住址内容有 x座 ，x是字母a至c，大小写都算"，看看 pandas 怎么做：
- - contains 方法可以用正则表达式
值范围
"收入在5000至8000的男性"，pandas 如下：
简单吧。Excel 上操作也简单，不再展示。
再看看这个需求。
"出生在 1980至1990 之间的男性"
冰山一角
Excel 的筛选功能无疑是强大的，不过 pandas 也很厉害。想必有抬杠的小伙伴会说，既然 Excel 自带功能都有，用 pandas 干啥？当然是自动化啦。并且 pandas 中有许多功能，在 Excel 中需要用复杂的函数公式或 Vba 才能实现。
