为什么需要过滤？

在 DataFrame 上最常执行的操作之一是过滤。其本质是根据一个或多个条件排除某些不符合要求的值。

何时需要对 DataFrame 进行过滤？

我们可能出于多种原因需要进行数据过滤：

• 当需要为特定任务去除冗余或不必要的数据时，就需要进行过滤。例如，在进行客户流失预测的机器学习任务中，客户的银行账号信息是无关的，应被过滤掉。

• 假设一位数据分析师在银行工作，银行计划针对满足特定条件的客户（如账户余额、月均消费金额以及持有产品情况，例如信用卡或支票账户）推出一项促销活动。此时，该分析师需要通过过滤数据来找出符合资格的客户。

• 过滤在数据清洗和处理过程中也十分必要。例如，我们可能希望将某些列中存在缺失值的观测记录（即 DataFrame 中的行）过滤出去。

• 在数据分析中，过滤也经常被使用。例如，若要根据消费金额对客户进行分组，则首先需要按消费金额进行过滤，再对符合条件的客户进行分组。

我们可以从观测值（行）或特征（列）两个维度进行过滤。幸运的是，Pandas 在这类操作上提供了非常灵活且高效的支持。本章将介绍用于过滤 DataFrame 中行和列的不同方法。