摘要：
Pandas就是其中之一，这使得导入和分析数据更加容易。where（）方法用于检查一个或多个条件的数据帧，并相应地返回结果。默认情况下，不符合条件的行填充NaN值#importingpandaspackageimportpandasaspd#makingdataframefromcsvfiledata#sortingdataframedata.sort _ values#makegbooleanseriesforateamnamefilter=data[“Team”]==“AtlantaHawks”#filteringdatadata。其中#displaydata输出：如输出图像所示，没有Team=AtlantaHawks的每一行都将替换为NaN。示例2：将根据“团队”和“年龄”筛选多条件操作数据。仅显示球队名称为“亚特兰大老鹰队”和24岁以上球员的行。
Python是进行数据分析的一种出色语言，主要是因为以数据为中心的python软件包具有奇妙的生态系统。Pandas是其中的一种，使导入和分析数据更加容易。
where()方法用于检查一个或多个条件的数据帧，并相应地返回结果。默认情况下，不满足条件的行将填充为NaN值。
Syntax:
DataFrame.where（cond，other = nan，inplace = False，axis = None，level = None，错误='raise'，try_cast = False，raise_on_error = None）
Parameters:cond：一种或多种条件来检查数据帧。
其他：用用户定义的对象替换不满足条件的行，默认为NaN
inplace：布尔值，如果True轴：要检查的轴（行或列）， 则对数据框本身进行更改
示例1：单条件操作
在此示例中，将显示具有特定团队名称的行，其余的将使用.where()方法由NaN替换。
# importing pandas package import pandas as pd # making data frame from csv file data # sorting dataframe data.sort_values("Team", inplace = True) # making boolean series for a team name filter = data["Team"]=="Atlanta Hawks" # filtering data data.where(filter, inplace = True) # display data
输出：
如输出图像中所示，没有Team = Atlanta Hawks的每一行都将替换为NaN。
例2：多条件运算
数据将根据“Team”和“Age”进行过滤。仅显示团队名称为“ Atlanta Hawks”的行和年龄在24岁以上的球员。
# importing pandas package import pandas as pd # making data frame from csv file data = pd.read_csv("nba.csv") # sorting dataframe data.sort_values("Team", inplace = True) # making boolean series for a team name filter1 = data["Team"]=="Atlanta Hawks" # making boolean series for age filter2 = data["Age"]>24 # filtering data on basis of both filters data.where(filter1 & filter2, inplace = True) # display data
输出：
如输出图像所示，仅显示团队名称为“ Atlanta Hawks”的行和年龄在24岁以上的球员。