django models 多条件检索

在Python中，使用Pandas库进行数据处理时，经常需要对数据进行过滤（筛选）操作。当你想要根据多个字段（即多个条件）进行筛选时，可以使用多种方法。下面是一些常见的方法：

方法1：使用&（逻辑与）操作符

你可以使用&操作符来组合多个条件。这种方法适用于简单的多个条件组合。

css 复制代码

import pandas as pd
 
# 示例数据
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [25, 30, 35, 40],
    'City': ['New York', 'Los Angeles', 'New York', 'Chicago']
}
df = pd.DataFrame(data)
 
# 筛选条件：年龄大于30且城市为'New York'
filtered_df = df[(df['Age'] > 30) & (df['City'] == 'New York')]
print(filtered_df)

方法2：使用np.logical_and

如果你想要使代码更清晰或需要处理更复杂的逻辑，可以使用NumPy的logical_and函数。

css 复制代码

import pandas as pd
import numpy as np
 
# 示例数据
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [25, 30, 35, 40],
    'City': ['New York', 'Los Angeles', 'New York', 'Chicago']
}
df = pd.DataFrame(data)
 
# 筛选条件：年龄大于30且城市为'New York'
filtered_df = df[np.logical_and(df['Age'] > 30, df['City'] == 'New York')]
print(filtered_df)

方法3：使用query方法

Pandas的query方法允许你使用字符串表达式来筛选数据，这在处理复杂的逻辑表达式时非常方便。

css 复制代码

import pandas as pd
 
# 示例数据
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [25, 30, 35, 40],
    'City': ['New York', 'Los Angeles', 'New York', 'Chicago']
}
df = pd.DataFrame(data)
 
# 筛选条件：年龄大于30且城市为'New York'
filtered_df = df.query('Age > 30 and City == "New York"')
print(filtered_df)

方法4：使用loc结合条件列表

你也可以使用loc方法，并通过列表的方式组合多个条件。

css 复制代码

import pandas as pd
 
# 示例数据
data = {
    'Name': ['Alice', 'Bob', 'Charlie', 'David'],
    'Age': [25, 30, 35, 40],
    'City': ['New York', 'Los Angeles', 'New York', 'Chicago']
}
df = pd.DataFrame(data)
 
# 筛选条件：年龄大于30且城市为'New York'
filtered_df = df.loc[(df['Age'] > 30) & (df['City'] == 'New York')]
print(filtered_df)

以上方法都可以有效地根据多个字段进行数据筛选。选择哪一种方法取决于你的具体需求和代码的可读性。通常，对于简单的条件组合，使用&操作符或np.logical_and就足够了；而对于更复杂的逻辑或字符串表达式，query方法可能更方便。而loc方法则提供了另一种灵活的方式来结合多个条件。

参考：

https://blog.csdn.net/Jason_WangYing/article/details/108057960

https://www.cnblogs.com/qq128/p/13428278.html