本文实例讲述了Python实现多条件筛选目标数据功能。分享给大家供大家参考，具体如下：
python中提供了一些数据过滤功能，可以使用内建函数，也可以使用循环语句来判断，或者使用pandas库，当然在有些情况下使用pandas是为了提高工作效率。举例如下：
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
这里的a为一个list，列表中还有元组。每一个元组由单词和其词性组成，我们要筛选词性为JJ何NN的单词。可以有三种写法：
第一种，使用内建函数filter：
# -*- coding:utf-8 -*-
#!python3
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
def filt_nn(data_text):
nn_data = filter(lambda x: x[1] == 'NN'or x[1] == 'JJ', data_text)
# print(list(nn_data))
return list(nn_data)
print(filt_nn(a))
运行结果：
[('chic', 'JJ'), ('menu', 'JJ'), ('doesnt', 'JJ'), ('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
第二种，使用pandas包：
# -*- coding:utf-8 -*-
#!python3
import pandas as pd
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
data = pd.DataFrame(a, columns=['word', 'ps'])
print(data[data.ps.isin(['JJ', 'NN'])].word)
运行结果：
0 chic
2 menu
4 doesnt
5 scream
6 french
7 cuisine
Name: word, dtype: object
第三种，使用循环：
# -*- coding:utf-8 -*-
#!python3
a = [('chic', 'JJ'), ('although', 'IN'), ('menu', 'JJ'), ('items', 'NNS'), ('doesnt', 'JJ'),
('scream', 'NN'), ('french', 'JJ'), ('cuisine', 'NN')]
absd = []
for i in a:
if i[1] == 'NN' or i[1] == 'JJ':
absd.append(i[0])
print(absd)
得到的结果都相同，如下：
['chic', 'menu', 'doesnt', 'scream', 'french', 'cuisine']
虽然结果相同，但是推荐第一、二种方法，因为这两个方法速度更快。
更多关于Python相关内容可查看本站专题：《Python列表(list)操作技巧总结》、《Python字符串操作技巧汇总》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》
希望本文所述对大家Python程序设计有所帮助。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：notice#nhooo.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。