Python 3.x 根据特定条件筛选出列

我还有一个关于使用熊猫操作数据的问题。我正试图根据特定的条件对列进行归档，但似乎无法获得正确的代码

我需要根据“收入”筛选我的数据，收入在1000000美元到2000000美元之间，“负债率”超过20%

我已经尝试了下面的代码，但总是在语法中出现错误，或者只是一个布尔值True或False输出

loansdf=loansdf[loansdf（'Income'）==范围（1000000:2000000）和loansdf（'Debt Ratio'）>。20]

---

因此，我的预期结果将是一个基于这些过滤器的df的可视化显示，我不断得到错误或真或假输出

检查构造布尔掩码的方式以及运算符的优先级。值得回顾一下python语言以及如何使用熊猫制作布尔掩码。这是一个功能强大的解决方案，其中一行带有掩码，所以您可以随意使用运算符、优先级和其他逻辑。还要检查数据框中的列被引用的方式

import pandas as pd
import csv

from pandas.compat import StringIO

csvdata = StringIO("""
Income,Debt Ratio
5000000,.4
1000000,.4
1500000,.3
1500000,.1
""")

loans_df = pd.read_csv(csvdata, sep=",")
mask = (loans_df['Income'] > 1000000) & (loans_df['Income'] < 2000000) & (loans_df['Debt Ratio'] > .20)
print (loans_df[mask])

---

检查构造布尔掩码的方式以及运算符的优先级。值得回顾一下python语言以及如何使用熊猫制作布尔掩码。这是一个功能强大的解决方案，其中一行带有掩码，所以您可以随意使用运算符、优先级和其他逻辑。还要检查数据框中的列被引用的方式

import pandas as pd
import csv

from pandas.compat import StringIO

csvdata = StringIO("""
Income,Debt Ratio
5000000,.4
1000000,.4
1500000,.3
1500000,.1
""")

loans_df = pd.read_csv(csvdata, sep=",")
mask = (loans_df['Income'] > 1000000) & (loans_df['Income'] < 2000000) & (loans_df['Debt Ratio'] > .20)
print (loans_df[mask])

如果你提供了一个，你需要在每个bool周围加上“（“and”）”，所以它应该是

loansdf=loansdf[（loans\u df（'Income'）==范围（1000000:2000000））&（loans\u df（'Debt Ratio'）>.20）]

小心范围（x:y）。不要认为它是有效的python，我认为range（x，y）在上下文中也不起作用。如果你提供了一个，你就可以使用。你需要在每个bool周围添加“（“and”）”，所以它将是

loansdf=loansdf[（loans\u df（'Income'）==range（1000000:2000000））&（loans\u df（'Debt Ratio'）>.20）]

小心范围（x:y）。不要认为它是有效的python，range（x，y）在上下文methinks中也不起作用。