SQL里筛选数据主要用到了where、and、in等语句。而在Python里实现筛选的方式比较多样，用到了 与&或|非~ 逻辑运算符，和isin()函数等。我们感受一下二者的区别吧：
汇总：
| 类型 | Python语句参考 |
| 单条件筛选 | data[data['shop_type']=='A'] |
| 多个值的筛选 | data[data['uid'].isin([17437864,17402857])] |
| 不含某些值的筛选 | data[~data['AB_group'].isin(['A','B'])] |
| 且条件 筛选 | data[(data['shop_type']=='A')&(data['order_count']>=20)] |
| 或条件 筛查 | data[(data['order_count']>=100)|(data['order_shops']>=100)] |
单个条件的筛选
例子：筛选A类店铺
select
*
from t_store_order
where shop_type = 'A'data[data['shop_type']=='A']代码详解：
==用于判断两个值是否相等；
data['shop_type']=='A'返回的是布尔型的数据，会返回值为True的那些行。
运行结果：
isin()某些值范围内的筛选
例子：查询给定用户id的数据
select
*
from t_store_order
where uid in (17437864,17402857)data[data['uid'].isin([17437864,17402857])]代码详解：
[17437864,17402857]是一个用中括号括起来的列表list；
isin()方法用于判断某个值是否在一个列表中，会返回一个布尔型的Series对象；
data['uid']是一个Series格式的数据，可以调用isin()方法；
运行结果：
剔除某些值（不含某些值的筛选）
例子：剔除分组为A、B的数据
select
*
from t_store_order
where AB_group not in ('A','B')data[~data['AB_group'].isin(['A','B'])]代码详解：
~ 代表反转运算符，True会变成False，False会变成True；
在上一段我们了解到data[~data['AB_group'].isin(['A','B'])]会生成布尔型的Series对象，加了反转运算符后，原本包含这些值就变成剔除这些值了。
运行结果：
查询某个范围
例子：查询订单数大于20的记录
select
*
from t_store_order
where shop_type = 'A'data[data['shop_type']=='A']多条件筛选
且条件
例子：查询店铺类型为A且订单数大于20的记录
select
*
from t_store_order
where shop_type = 'A'
and order_count >= 20data[(data['shop_type']=='A')&(data['order_count']>=20)]代码详解：
&代表与运算符；
这样(布尔型的Series对象)&(布尔型的Series对象)两个布尔型的series进行与运算，同时为True才会返回True；
运行结果：
或条件
例子：查询订单数大于100或下单店铺数大于100的记录
select
*
from t_store_order
where shop_type = 'A'data[(data['order_count']>=100)|(data['order_shops']>=100)]代码详解：
| 代表或运算符；
两个布尔型的series进行与运算，有一个为True就会返回True，同时为False结果才为False；
运行结果：
附录：
在jupyter notebook上运行SQL的方法：对比SQL学Python：在jupyter notebook运行SQL_紫昂张的博客-CSDN博客
