布尔索引
布尔索引：在实际应用中，只要是通过比较运算返回的判断结果（一个布尔型Series），就可以进行布尔索引。
应用场景：
面对大型数据时，用于获取数据的行索引和列索引往往不确定，通常我们需要寻找满足或不满足特定计算或条件的值。这时候，我们就需要用到 布尔索引 来筛选出符合要求的数据。
让我们来考虑以下例子：
假设在读取电商数据时，我们想要输出所有 "cutdown_price"（优惠价格）大于0 的行数据，该怎么做呢？
先访问了 "cutdown_price" 这一列数据，然后就需要判断该列中哪些值大于0。
如果大于0，就把对应的那一行数据保留下来。
判断 "cutdown_price" 这一列数据中哪些值大于0，可以使用比较运算中的大于（>）来写一个条件表达式：data["cutdown_price"]>0。与我们之前学的数学操作类似，这时候该列的数据会逐个和0进行比较操作，每一行都会返回一个对应的布尔值，从而得到一个布尔型Series：
True表示该行的"cutdown_price"大于0；
False表示该行的"cutdown_price"小于等于0。
上面的图可以看到，"cutdown_price"这一列里，85647对应的数据是1000，大于0，所以返回的布尔值是True。
- 使用比较运算中的大于（>）来写一个条件表达式，判断一下data变量里，"cutdown_price"这一列哪些值大于0？
导入pandas模块，并以"pd"为该模块的简写
import pandas as pd
使用pd.read_csv()函数读取路径为 "/Users/yequ/电商数据清洗.csv" 的CSV文件，并将结果赋值给变量data
data = pd.read_csv("/Users/yequ/电商数据清洗.csv")
使用列索引筛选出"cutdown_price"这一列数据
同时使用比较运算判断这一列哪些值大于0
并使用print()将结果直接输出
print(data["cutdown_price"] > 0)
输出：
在得到了一个布尔型Series后，我们就可以把True对应位置的行保留下来，作为新的DataFrame返回。
接下来，我们来获取所有 "cutdown_price" 大于0的行数据。
要将所有返回为True的对应行数据保留下来，就需要用到布尔索引。将刚刚写的条件表达式传入DataFrame对象后的中括号里作为布尔索引即可。布尔索引会把判断结果为True的行数据直接返回，从而达到筛选数据的效果。
|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| # 导入pandas模块，并以"pd"为该模块的简写 import pandas as pd # 使用pd.read_csv()函数读取路径为 "/Users/yequ/电商数据清洗.csv" 的CSV文件，并将结果赋值给变量data data = pd.read_csv("/Users/yequ/电商数据清洗.csv") # 使用print()和布尔索引，输出"cutdown_price"这一列值里大于0的行 print(data[data["cutdown_price"]>0]) |
| 
|
从输出的内容可以看到，返回的DataFrame就是data变量里，所有"cutdown_price"这一列值里大于0的行数据。
这时的行索引index就类似于一个书签，用于标记位置，不影响内容。
根据行索引index，就能很快地知道原数据data变量里的第10行、第27行、第28行、......的cutdown_price都大于0。
|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| # 导入pandas模块，并以"pd"为该模块的简写 import pandas as pd # 使用pd.read_csv()函数读取路径为 "/Users/yequ/电商数据清洗.csv" 的CSV文件，并将结果赋值给变量data data = pd.read_csv("/Users/yequ/电商数据清洗.csv") # 使用print()和布尔索引，输出"cutdown_price"这一列值里大于0的行 print(data[data["cutdown_price"]>0]) |
| 
|
代码具体解释：
|-------------------------------------------------------|---------------------------------------------------------------------------------------------------------------------------|
| 要筛选的数据 data是需要进行筛选的DataFrame对象。 | print(data[data["cutdown_price"]>0]) |
| 第一个中括号 第一个中括号，也就是最外面的中括号，表示对变量data进行索引。 | print(data[data["cutdown_price"]>0]) |
| 条件表达式 中括号里的内容是通过一个条件表达式，来判断"cutdown_price"这一列值里是否大于0。 | 
pandas通过这个条件表达式得到一个布尔型Series，再通过这个Series来索引数据。 |
| 访问列数据 按data["columns"]的形式访问"cutdown_price"这一列数据。 | 
|
| 比较运算 通过大于（>）来判断"cutdown_price"列的数据是否大于0。 | 
|
比如，常见的比较运算有：==、>、<、>=、<=、!=（不等于），以及接下来会学的一些逻辑判断。