前言：

Pandas 中應(yīng)用 query 函數(shù)來(lái)進(jìn)行數(shù)據(jù)篩選。

query 函數(shù)的一般用法如下：

df.query('expression')

常用方法：

#!/usr/bin/python
import pandas as pd
import numpy as np
data = {
?'brand':['Python',' C ',' C++ ','C#','Java'],
?'A':[10,2,5,20,16],
?'B':[4,6,8,12,10],
?'C':[8,12,18,8,2],
?'D':[6,18,14,6,12],
?'till years':[4,1,1,30,30]
?}
df = pd.DataFrame(data=data)
print("df數(shù)據(jù)打印:\n", df, '\n')

print('查找數(shù)據(jù):\n', df.query('brand == "Python"'), '\n')
print('查找數(shù)據(jù):\n', df[df['brand'] == "Python"], '\n')

可以使用df.query('brand == "Python"')進(jìn)行查找，也可以使用df[df['brand'] == "Python"]這種方式進(jìn)行查找。

out:

df數(shù)據(jù)打印:
     brand   A   B   C   D  till years
0  Python  10   4   8   6           4
1      C    2   6  12  18           1
2    C++    5   8  18  14           1
3      C#  20  12   8   6          30
4    Java  16  10   2  12          30
 
查找數(shù)據(jù):
     brand   A  B  C  D  till years
0  Python  10  4  8  6           4
 
查找數(shù)據(jù):
     brand   A  B  C  D  till years
0  Python  10  4  8  6           4
通過(guò)數(shù)學(xué)表達(dá)式來(lái)篩選：

除了直接通過(guò)等于某個(gè)值來(lái)篩選， query 函數(shù)還支持通過(guò)數(shù)學(xué)表達(dá)式來(lái)進(jìn)行數(shù)據(jù)篩選，包括 > 、 < 、 + 、 - 、 * 、 / 等。

print('查找數(shù)據(jù):\n', df.query('A > 15'), '\n')

out:

查找數(shù)據(jù):
   brand   A   B  C   D  till years
3    C#  20  12  8   6          30
4  Java  16  10  2  12          30

通過(guò)變量篩選：

在程序比較長(zhǎng)的時(shí)候，經(jīng)常會(huì)使用變量來(lái)作為篩選條件， query 函數(shù)在使用變量作為判斷標(biāo)準(zhǔn)時(shí)，通過(guò)在變量前面添加 @ 符號(hào)來(lái)實(shí)現(xiàn)，

示例如下：

name = 'Java'
print('查找數(shù)據(jù):\n', df.query('brand == @name'), '\n')

out:

查找數(shù)據(jù):
   brand   A   B  C   D  till years
4  Java  16  10  2  12          30
通過(guò)列表數(shù)據(jù)篩選：

當(dāng)需要在某列中篩選多個(gè)符合要求的值的時(shí)候，可以通過(guò)列表（ list ）來(lái)實(shí)現(xiàn)，示例如下：

name = ['Python', 'Java']
print('查找數(shù)據(jù):\n', df.query('brand in @name'), '\n')

out:

查找數(shù)據(jù):
     brand   A   B  C   D  till years
0  Python  10   4  8   6           4
4    Java  16  10  2  12          30

多條件篩選：

• 兩者都需要滿足的并列條件使用符號(hào) & , 或單詞 and
• 只需要滿足其中之一的條件使用符號(hào) | , 或單詞 or

name = ['Python', 'Java']
print('查找數(shù)據(jù):\n', df.query('brand in @name & A > 15'), '\n')

out:

查找數(shù)據(jù):
   brand   A   B  C   D  till years
4  Java  16  10  2  12          30

列名稱中有空格的情況，使用``進(jìn)行處理：

使用引號(hào)處理的話，會(huì)報(bào)錯(cuò)。

print('查找數(shù)據(jù):\n', df.query('`till years` > 10'), '\n')

out:

查找數(shù)據(jù):
   brand   A   B  C   D  till years
3    C#  20  12  8   6          30
4  Java  16  10  2  12          30

篩選后選取數(shù)據(jù)列：

name = ['brand', 'A', 'B', 'till years']
print('查找數(shù)據(jù):\n', df.query('`till years` > 10')[name], '\n')

out:

查找數(shù)據(jù):
   brand   A   B  till years
3    C#  20  12          30
4  Java  16  10          30

總結(jié)：

當(dāng)用到多條件篩選時(shí)，使用query就會(huì)顯得簡(jiǎn)潔的多：

print(df[(df['brand'] == 'Python') & (df['A'] == 10) & (df['B'] == 4)])
print(df.query('brand == "Python" & A == 10 & B == 4'))

到此這篇關(guān)于python pandas query的使用方法的文章就介紹到這了,更多相關(guān)python pandas query 內(nèi)容請(qǐng)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！

最新評(píng)論