4.pandas 数据筛选 与 逻辑赋值

0 实验数据

仓库商品信息全表(表名=sku_all)

仓库 仓库ID SKU 状态 批次 效期 批号 库存
备货仓 7 102001 1 YQ1HMC 43693 20190816 11
... ... ... ... ... ... ... ...
华东仓(原零售仓) 5 102116 1 YQ2FMA 43622 20190606 7
内部测试仓 0
import pandas as pd
sku_all = pd.DataFrame([['备货仓','7','102001','1','YQ1HMC','43693','20190816',11],['华东仓(原零售仓)','5','102001','1','YQ1HMC','43693','20190816',5],['备货仓','7','102001','3','YQ1HMC','43693','20190816',1],['华东仓(原零售仓)','5','102002','1','YQ1HMB','43692','20190815',6],['华东仓(原零售仓)','5','102005','1','YQ1HMB','43693','20190816',10],['备货仓','7','102101','3','CSQA002','43130','20180130',1],['华东仓(原零售仓)','5','102104','1','CSRF001','43651','20190705',6],['备货仓','7','102104','3','dfhg','43651','20190705',1],['华东仓(原零售仓)','5','102105','1','CSRE001','43609','20190524',2],['备货仓','7','102105','3','0411A','43609','20190524',1],['华东仓(原零售仓)','5','102111','1','CSRF001','43651','20190705',2],['华东仓(原零售仓)','5','102111','1','fh22','43651','20190705',1],['备货仓','7','102111','3','dg0h52','43587','20190502',1],['备货仓','7','102113','3','CSRF002','43651','20190705',1],['华东仓(原零售仓)','5','102114','1','A','43634','20190618',1],['备货仓','7','102114','3','fh02','43634','20190618',1],['华东仓(原零售仓)','5','102115','1','','43650','20190704',1],['备货仓','7','102116','1','YQ2FMA','43622','20190606',6],['华东仓(原零售仓)','5','102116','1','YQ2FMA','43622','20190606',7],['内部测试仓','0','','','','','',]],columns=['仓库','仓库编号','SKU','状态','批次','有效日期','批号','库存'])

1 数据筛选(等价于SQL中的where语句)

# 仅选取备货仓中,涉及SKU在'102001'和'102104'中,且要求单行库存数量高于10的数据
sku_all[(sku_all['仓库']=='备货仓') & (sku_all['SKU'].isin(['102001','102104'])) & (sku_all['库存']>=10)]

# SKU “不” 在'102001'和'102104'中,且要求单行库存数量高于10的数据
sku_all[-(sku_all['SKU'].isin(['102001','102104'])) & (sku_all['库存']>=10)]

# 仅选取仓库名称中不含“备货”两字,且要求单行库存数量高于10的数据
sku_all[-(sku_all['仓库'].str.contains('备货')) & (sku_all['库存']>=10)]

数据筛选
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,496评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,407评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,632评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,180评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,198评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,165评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,052评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,910评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,324评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,542评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,711评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,424评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,017评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,668评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,823评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,722评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,611评论 2 353

推荐阅读更多精彩内容