布爾索引（Boolean Indexing）是數(shù)據(jù)分析中一種強(qiáng)大且常用的技術(shù)，用于通過(guò)布爾值數(shù)組（即包含 True 和 False 的數(shù)組）來(lái)選擇數(shù)據(jù)子集。布爾索引可以用于 NumPy 數(shù)組、Pandas 數(shù)據(jù)框等數(shù)據(jù)結(jié)構(gòu)。

布爾索引是一種非常有用的技術(shù)，可以通過(guò)條件篩選數(shù)據(jù)。它不僅簡(jiǎn)化了代碼，還提高了數(shù)據(jù)操作的效率。無(wú)論是在 NumPy 還是 Pandas 中，布爾索引都能幫助你快速、簡(jiǎn)潔地選擇和操作數(shù)據(jù)子集。

NumPy 中的布爾索引

在 NumPy 中，布爾索引可以用于選擇滿(mǎn)足特定條件的數(shù)組元素。例如：

import numpy as np# 創(chuàng)建一個(gè) NumPy 數(shù)組
data = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])# 創(chuàng)建一個(gè)布爾數(shù)組，條件是元素大于 5
bool_array = data > 5# 使用布爾索引選擇元素
filtered_data = data[bool_array]print("Original data:", data)
print("Boolean array:", bool_array)
print("Filtered data:", filtered_data)

輸出：

Original data: [ 1  2  3  4  5  6  7  8  9 10]
Boolean array: [False False False False False  True  True  True  True  True]
Filtered data: [ 6  7  8  9 10]

Pandas 中的布爾索引

在 Pandas 中，布爾索引可以用于選擇滿(mǎn)足特定條件的行或列。例如：

import pandas as pd# 創(chuàng)建一個(gè) Pandas 數(shù)據(jù)框
data = {'A': [1, 2, 3, 4, 5],'B': [10, 20, 30, 40, 50],'C': [100, 200, 300, 400, 500]}
df = pd.DataFrame(data)# 創(chuàng)建一個(gè)布爾數(shù)組，條件是列 'A' 的值大于 2
bool_series = df['A'] > 2# 使用布爾索引選擇行
filtered_df = df[bool_series]print("Original DataFrame:")
print(df)
print("\nBoolean Series:")
print(bool_series)
print("\nFiltered DataFrame:")
print(filtered_df)

輸出：

Original DataFrame:A   B    C
0  1  10  100
1  2  20  200
2  3  30  300
3  4  40  400
4  5  50  500Boolean Series:
0    False
1    False
2     True
3     True
4     True
Name: A, dtype: boolFiltered DataFrame:A   B    C
2  3  30  300
3  4  40  400
4  5  50  500