Pandas高级操作，建议收藏（一）

最新推荐文章于 2023-06-27 16:01:37 发布

骨灰级收藏家

最新推荐文章于 2023-06-27 16:01:37 发布

阅读量1.1k

点赞数

分类专栏：数据分析数据挖掘 mysql数据库文章标签： pandas python 数据分析

本文链接：https://blog.csdn.net/JACK_SUJAVA/article/details/129955971

版权

本文详细介绍了Pandas的高级操作，包括逻辑运算、筛选数据、函数筛选、比较函数、查询方法如df.query()，以及数据类型的推断、指定转换和时间类型处理。此外，还讲解了数据的索引排序、数值排序和大小排序功能，助力数据分析和数据建模工作。

摘要由CSDN通过智能技术生成

在数据分析和数据建模的过程中需要对数据进行清洗和整理等工作，有时需要对数据增删字段。下面为大家介绍Pandas对数据的复杂查询、数据类型转换、数据排序的使用。

复杂查询

实际业务需求往往需要按照一定的条件甚至复杂的组合条件来查询数据,接下来为大家介绍如何发挥Pandas数据筛选的无限可能，随心所欲地取用数据。

# Q1成绩大于36
df.Q1> 36
# Q1成绩不小于60分，并且是C组成员
~(df.Q1< 60) & (df['team'] == 'C')

切片（[ ]）、.loc[ ]和.iloc[ ]均支持上文所介绍的逻辑表达式。

以下是切片（[ ]）的逻辑筛选示例：

df[df['Q1']== 8] # Q1等于8
df[~(df['Q1']== 8)] # 不等于8
df[df.name== 'Ben'] # 姓名为Ben
df[df.Q1> df.Q2]

以下是.loc[ ]和.lic[ ]示例：

# 表达式与切片一致
df.loc[df['Q1']> 90, 'Q1':] # Q1大于90，只显示Q1
df.loc[(df.Q1> 80) & (df.Q2 < 15)] # and关系
df.loc[(df.Q1> 90) | (df.Q2 < 90)] # or关系
df.loc[

关注

专栏目录