Warning: file_get_contents(/data/phpspider/zhask/data//catemap/3/arrays/12.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Python 从较大的数据集中提取具有给定范围的数据集_Python_Arrays_Python 3.x_Dataframe_Sorting - Fatal编程技术网

Python 从较大的数据集中提取具有给定范围的数据集

Python 从较大的数据集中提取具有给定范围的数据集,python,arrays,python-3.x,dataframe,sorting,Python,Arrays,Python 3.x,Dataframe,Sorting,我有一个类型为(X,Y)值的二维数据集,如下所示: X Y 99.96 2. 99.76 4. 100.15 6. 100.28 `0 100.66 11 101.17 14 102.36 4. 您可以使用pandas从数据创建数据帧,并使用between进行过滤 您可以使用pd.read\u csv、pd.read\u excel、pd.from\u dict等轻松转换源数据 作为pd进口熊猫 #示例pd读取csv #df=pd.read\u csv('somefile.csv',头=0)

我有一个类型为(X,Y)值的二维数据集,如下所示:

X Y 99.96 2. 99.76 4. 100.15 6. 100.28 `0 100.66 11 101.17 14 102.36 4.
您可以使用pandas从数据创建数据帧,并使用between进行过滤

您可以使用pd.read\u csv、pd.read\u excel、pd.from\u dict等轻松转换源数据


作为pd进口熊猫
#示例pd读取csv
#df=pd.read\u csv('somefile.csv',头=0)
df=pd.数据帧([[1,2],[3,4],[5,6],[2,3],[4,5]],列=['a','b'])
打印(df[df['a'].介于(2,4)]之间)
#a b
#1  3  4
#3  2  3
#4  4  5

您可以使用pandas从数据创建数据框,并使用between进行过滤

您可以使用pd.read\u csv、pd.read\u excel、pd.from\u dict等轻松转换源数据


作为pd进口熊猫
#示例pd读取csv
#df=pd.read\u csv('somefile.csv',头=0)
df=pd.数据帧([[1,2],[3,4],[5,6],[2,3],[4,5]],列=['a','b'])
打印(df[df['a'].介于(2,4)]之间)
#a b
#1  3  4
#3  2  3
#4  4  5

可能只是一个简单的循环,没有任何第三方
包?
如果需要保存结果,只需将
print
语句替换为
result.append()

data=[[99.96,2],
[97, 4],
[100.15,6],
[100.28,0],
[101.17, 14],
[102.36, 11]]
对于数据中的x,y:
#打印(x,y)

如果100.00可能只是一个简单的循环,没有任何第三方
包?
如果需要保存结果,只需将
print
语句替换为
result.append()

data=[[99.96,2],
[97, 4],
[100.15,6],
[100.28,0],
[101.17, 14],
[102.36, 11]]
对于数据中的x,y:
#打印(x,y)

如果100.00如果给定数据为“numpy.ndarray”类型,则我们可以使用“where”命令:

import numpy as np

# Origianl data
data =  np.array([[99.96,2],[99.76,4],[100.15,6],[100.28,0],[100.66,11],[101.17,14],[102.36,4]])
print("\n","Original data=\n",data)


# Extracted Data
data_extracted = data[np.where((data[:,0] >= 100.001) & ( data[:,0]<= 100.999))]
print("\n","Extracted data=\n",data_extracted)
将numpy导入为np
#原始数据
数据=np.数组([[99.96,2],[99.76,4],[100.15,6],[100.28,0],[100.66,11],[101.17,14],[102.36,4])
打印(“\n”,“原始数据=\n”,数据)
#提取数据

数据提取=数据[np.where((数据[:,0]>=100.001)和(数据[:,0]如果给定数据的类型为“numpy.ndarray”,则我们可以使用“where”命令:

import numpy as np

# Origianl data
data =  np.array([[99.96,2],[99.76,4],[100.15,6],[100.28,0],[100.66,11],[101.17,14],[102.36,4]])
print("\n","Original data=\n",data)


# Extracted Data
data_extracted = data[np.where((data[:,0] >= 100.001) & ( data[:,0]<= 100.999))]
print("\n","Extracted data=\n",data_extracted)
将numpy导入为np
#原始数据
数据=np.数组([[99.96,2],[99.76,4],[100.15,6],[100.28,0],[100.66,11],[101.17,14],[102.36,4])
打印(“\n”,“原始数据=\n”,数据)
#提取数据

提取的数据=数据[np.其中((数据[:,0]>=100.001)和(数据[:,0]你好,@RanjanPal-这篇帖子对你有帮助吗?或者有任何后续问题吗?非常感谢@DanielHao的建议。但是,有没有类似的逻辑可以应用于numpy.ndarray?你好,@RanjanPal-这篇帖子对你有帮助吗?或者有任何后续问题吗?非常感谢@DanielHao的建议。但是,有没有类似的逻辑可以应用于numpy.ndarray申请numpy。ndarray?非常感谢@DanielHao的建议。非常感谢@DanielHao的建议。非常感谢@KJDII的宝贵反馈。非常感谢@KJDII的宝贵反馈。