Python——获取指定列中包含某一字符的所有行

### 如何使用 Python 和 Pandas 逐行读取特定列 Pandas 是一种强大的数据处理库，能够轻松实现从 CSV 或 Excel 文件中提取并操作指定列的数据。以下是具体方法： #### 使用 `read_csv` 方法读取 CSV 中的某列 当需要从 CSV 文件中读取某个特定列时，可以利用参数 `usecols` 来限定只加载所需的列。这不仅提高了效率还减少了内存占用。 ```python import pandas as pd data = "example.csv" df_specific_columns = pd.read_csv(data, usecols=['target_column'])['target_column'] for value in df_specific_columns: print(value) ``` 上述代码片段展示了如何通过设定 `usecols` 参数来选取目标列，并将其转换成一维结构以便于迭代访问每一行的内容[^1]。 #### 处理 Excel 表格中的多张工作表 对于包含多个工作表的工作簿文件 (如 .xlsx)，可以通过设置 `sheet_name=None` 让函数一次性载入所有的 sheet 数据到一个字典对象里，其中键名对应各个 Sheet 的名称而值则代表相应的 DataFrame 实例。 ```python excel_data_path = r"D:\pandas\Excel file.xlsx" # 加载整个Excel文档至字典型变量"data02"之中 data02 = pd.read_excel(excel_data_path, sheet_name=None) # 遍历每一个Sheet及其对应的DataFrame for sheet_name, dataframe in data02.items(): target_col = dataframe.get('specific_column') if isinstance(target_col, pd.Series): for item in target_col.dropna(): print(f"{sheet_name}: {item}") ``` 这里我们先定义了一个路径字符串指向本地磁盘上的Excel档案位置；接着调用了`pd.read_excel()` 函数并将`sheets_name`设为了None从而获取到了由各Sheet构成的一个映射关系集合——即所谓的“DataFrame 字典”。之后再逐一取出每一页内的'specific_column'字段进行遍历打印[^2]。 注意，在实际应用过程中可能还需要考虑缺失值等问题，因此增加了`.dropna()`步骤以过滤掉任何可能出现的NaN项。