摘要

在進行資料分析與清理中，我們可能常常需要在資料集中去掉某些異常值。具體來說，看看下面的例子。

0.匯入我們需要使用的包

import pandas as pd

pandas是很常用的資料分析，資料處理的包。anaconda已經有這個包了，純淨版python的可以自行pip安裝。

1.去掉某些具體值

資料集df中，對於屬性appPlatform（最後一列），我們想刪除掉取值為2的那些樣本。如何做？非常簡單。

import pandas as pd

df[(True-df['appPlatform'].isin([2]))]

當然，有時候我們需要去掉不止一個值，這個時候只需要在isin([]）的列表中新增。更具體來說，例如，對於appID這個屬性，我們想去掉appID=278和appID=382的樣本。

df[(True-df['appID'].isin([278,382]))]
 

另外，我們有時候並不只是考慮某一列，還需要考慮另外若干列的情況。例如，我們需要過濾掉appPlatform=2而且appID=278和appID=382的樣本呢？非常簡單。

df[(True-df['appID'].isin([278,382]))&(True-df['appPlatform'].isin([2]))]

.其實，在這裡我們看到，就是由兩部分組成的，第一部分就是appID中等於278和382的，另外一部分就是appPlatform中等於2的。兩者取邏輯關係 與（&）

2.過濾掉某個範圍的值

上面我們是瞭解瞭如何取掉某個具體值，下面，我們要看看如何過濾掉某個範圍的值。對於資料集df，我們想過濾掉creativeID（第一列）中ID值大於10000的樣本。

df[df['creativeID']<=10000]
 

另外，如果要考慮多列的話，其實和上面一樣，將兩種情況做邏輯與（&）就可以，不過值得注意的是，每個條件要用括號()括起來。