Pandas的條件過濾是使用非常頻繁的技巧，在這一節(jié)我們將看到各種不同的過濾技巧，如果讀者有其它過濾技巧，也歡迎告訴我。

條件過濾與賦值

通過loc進行行過濾，并對過濾后的行進行賦值

除了上述的過濾方式外，還可以通過query method來進行過濾查詢，如下：

空值判斷

在數(shù)據(jù)處理的過程中，空值判斷是非常常用的技巧，在Pandas中我們主要通過以下幾種方式來判斷空值。

• isnull函數(shù): 用于針對Series、DataFrame判斷是否為null
• notnull函數(shù): 用于判斷非null值
• np.isnan函數(shù): 用于針對某個標量值進行判斷是否為nan(null)。需要注意的是這個函數(shù)不能用于字符串類型的值進行判斷，因此如果array中有字符串類型，需要用其它方式進行判斷，如isinstance

isnull函數(shù)

將isnull用于過濾條件：

notnull函數(shù)

notnull的使用與isnull類似,如下：

np.isnan函數(shù)

需要注意的是判斷dataframe中某個值是否為空，不能直接用== np.nan來判斷，而需要使用np.isnan函數(shù)如下

isin函數(shù)

使用isin函數(shù)

多過濾條件

當有多個過濾條件時，我們就需要使用邏輯操作符&, |,如下：

過濾后的賦值計算

在實際項目中，很多時候我們根據(jù)條件選取了一些行之后，我們要針對這些行中的數(shù)據(jù)需要做些操作（比如針對age進行加1操作），更復雜的我們需要獲取本行的其它列的數(shù)據(jù)共同計算和判斷。這里我們可以使用如下技巧:

關于vectorization矢量化的相關議題，可以參考文章Pandas系列4-數(shù)據(jù)矢量化