Explicación de múltiples condiciones loc() en Pandas

Si quieres filtrar filas en un DataFrame de Pandas usando el loc[] indexer con múltiples condiciones, puedes “combinar condiciones usando operadores lógicos como & (and), | (or) y ~ (not)”.

Recuerda envolver cada condición entre paréntesis para asegurar el orden correcto de la evaluación.

Ejemplo

import pandas as pd

# Sample DataFrame
data = {
  "A": [1, 2, 3],
  "B": [4, 5, 6],
  "C": [7, 8, 9]
}

df = pd.DataFrame(data)

print("Original DataFrame:")
print(df)

# Filter rows where column A is greater than 2 and column B is less than 10
filtered_df = df.loc[(df["A"] > 2) & (df["B"] < 50)]

print("nFiltered DataFrame (A > 2 and B < 10):")
print(filtered_df)

Producción

Original DataFrame:
   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

Filtered DataFrame (A > 2 and B < 10):
   A  B  C
2  3  6  9

En este código, creamos un marco de datos de muestra con las columnas «A» y «B» y se usa el «loc( indexer)» con múltiples condiciones (df[«A»] > 2) & (df[«B»] < 10) para filtrar las filas donde se cumplen ambas condiciones.

El filtered_df resultante contiene las filas donde la columna A es mayor que 2 y la columna B es menor que 10.