如何利用Pandas查詢選取數(shù)據(jù)
一，Pandas查詢數(shù)據(jù)的幾種方法
- df[]按行列選取，這種情況一次只能選取行或者列
- df.loc方法，根據(jù)行、列的標簽值查詢
- df.iloc方法，根據(jù)行、列的數(shù)字位置查詢，根據(jù)索引定位
- df.query方法
二，Pandas使用df.loc查詢數(shù)據(jù)的方法
- 使用單個label值查詢數(shù)據(jù)
- 使用值列表批量查詢
- 使用數(shù)值區(qū)間進行范圍查詢
- 使用條件表達式查詢
- 調(diào)用函數(shù)查詢
注意
以上查詢方法，既適用于行，也適用于列
##########################################
df[]
>>> df=pd.DataFrame(np.random.rand(25).reshape([5,5]),index=['A','B','C','D','E'],columns=['c1','c2','c3','c4','c5'])
>>> df
c1 c2 c3 c4 c5
A 0.499404 0.082137 0.472568 0.649200 0.121681
B 0.564688 0.102398 0.374904 0.091373 0.495510
C 0.319272 0.720225 0.979103 0.910206 0.766642
D 0.478346 0.311616 0.466326 0.045612 0.258015
E 0.421653 0.577140 0.103048 0.235219 0.550336
##########################################
#獲取c1，c2兩列
df[['c1','c2']]
>>> df[['c1','c2']]
c1 c2
A 0.499404 0.082137
B 0.564688 0.102398
C 0.319272 0.720225
D 0.478346 0.311616
E 0.421653 0.577140
##########################################
#獲取c1列
df.c1
>>> df.c1 A 0.499404 B 0.564688 C 0.319272 D 0.478346 E 0.421653 Name: c1, dtype: float64
##########################################
#獲取索引為A-C行數(shù)據(jù)
df['A':'C']
>>> df['A':'C']
c1 c2 c3 c4 c5
A 0.499404 0.082137 0.472568 0.649200 0.121681
B 0.564688 0.102398 0.374904 0.091373 0.495510
C 0.319272 0.720225 0.979103 0.910206 0.766642
##########################################
#獲取2-3行數(shù)據(jù)
df[1:3]
>>> df[1:3]
c1 c2 c3 c4 c5
B 0.564688 0.102398 0.374904 0.091373 0.495510
C 0.319272 0.720225 0.979103 0.910206 0.766642
##########################################
df.loc方法查詢
1、使用數(shù)值區(qū)間進行范圍查詢
有點類似list的切片
>>> df.loc['A':'D',:]
c1 c2 c3 c4 c5
A 0.499404 0.082137 0.472568 0.649200 0.121681
B 0.564688 0.102398 0.374904 0.091373 0.495510
C 0.319272 0.720225 0.979103 0.910206 0.766642
D 0.478346 0.311616 0.466326 0.045612 0.258015
##########################################
2、單個label值查詢
類似坐標查詢
>>> df.loc['A','c2'] 0.08213716245372071
##########################################
3、使用列表批量查詢
>>> df.loc[['A','B','D'],['c1','c3']]
c1 c3
A 0.499404 0.472568
B 0.564688 0.374904
D 0.478346 0.466326
##########################################
4、使用條件表達式查詢
>>> df.loc[df['c2']>0.5,:]
c1 c2 c3 c4 c5
C 0.319272 0.720225 0.979103 0.910206 0.766642
E 0.421653 0.577140 0.103048 0.235219 0.550336
>>> df[(df['c2']>0.2) & (df['c3'] < 0.8)]
c1 c2 c3 c4 c5
D 0.478346 0.311616 0.466326 0.045612 0.258015
E 0.421653 0.577140 0.103048 0.235219 0.550336
##########################################
5、使用函數(shù)查詢
def query_my_data(df):
return ((df['c3']>0.2) & (df["c4"]<0.8))
df.loc[query_my_data, :]
c1 c2 c3 c4 c5
B 0.845310 0.545040 0.946026 0.106405 0.984376
C 0.844622 0.947104 0.878854 0.377638 0.175846
E 0.139952 0.420424 0.364295 0.012773 0.307853
##########################################
df.iloc方法查詢
同df.loc類似，根據(jù)索引定位
#提取2-3行，1-2列數(shù)據(jù)
df.iloc[1:3,0:2]
>>> df.iloc[1:3,0:2]
c1 c2
B 0.564688 0.102398
C 0.319272 0.720225
##########################################
#提取第二第三行，第4列數(shù)據(jù)
df.iloc[[1,2],[3]]
c4 B 0.091373 C 0.910206
##########################################
#提取指定位置單個數(shù)值
df.iloc[3,4]
>>> df.iloc[3,4] 0.2580148841605816
總結(jié)
到此這篇關(guān)于如何利用Pandas查詢選取數(shù)據(jù)的文章就介紹到這了,更多相關(guān)Pandas查詢選取數(shù)據(jù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python正則表達式修復網(wǎng)站文章字體不統(tǒng)一的解決方法
python正則表達式修復網(wǎng)站文章字體不統(tǒng)一的解決方法，需要的朋友可以參考一下2013-02-02
python實現(xiàn)郵件循環(huán)自動發(fā)件功能
這篇文章主要介紹了python實現(xiàn)郵件循環(huán)自動發(fā)件功能,本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-09-09
這篇文章主要介紹了Python腳本修改阿里云的訪問控制列表的方法，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2019-03-03
基于Python實現(xiàn)簡單學生管理系統(tǒng)
這篇文章主要為大家詳細介紹了基于Python實現(xiàn)簡單學生管理系統(tǒng)，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-07-07
這篇文章主要介紹了python繪制鉛球的運行軌跡代碼分享，具有一定參考價值，需要的朋友可以了解下。2017-11-11
這篇文章主要介紹了解決python運行啟動報錯問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
這篇文章主要介紹了python單例模式與metaclass，文章介紹了單例模式的實現(xiàn)方式2016-01-01
這篇文章主要為大家詳細介紹了python+pyqt5實現(xiàn)24點小游戲，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-01-01
今天小編就為大家分享一篇python異常處理和日志處理方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12
這篇文章主要為大家詳細介紹了python實現(xiàn)xlsx文件分析，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-01-01