整理了10个经典的Pandas数据查询案例（附原始数据\多个条件过滤\日期条件过滤）

• Pandas的query函数为我们提供了一种编写查询过滤条件更简单的方法，特别是在的查询条件很多的时候，在本文中整理了10个示例，掌握着10个实例你就可以轻松的使用query函数来解决任何查询的问题。

导入数据

import pandas as pd
df = pd.read_csv("Dummy_Sales_Data_v1.csv")
df.head()

• 它是一个简单的9999 x 12数据集，是使用Faker创建的，我在最后也会提供本文的所有源代码。
• 在开始之前，先快速回顾一下Pandas中的查询函数query。查询函数用于根据指定的表达式提取记录，并返回一个新的DataFrame。表达式是用字符串形式表示的条件或条件的组合。
• PANDAS中的DATAFRAME（.loc和.iloc）属性用于根据行和列标签和索引提取数据集的子集。因此，它并不具备查询的灵活性。而括号符号[]可以灵活地基于条件过滤数据帧，但是如果条件很多的话编写代码是繁琐且容易出错的。
• Pandas的query()函数可以灵活地根据一个或多个条件提取子集，这些条件被写成表达式并且不需要考虑括号的嵌套。
• 在后端Pandas使用eval()函数对该表达式进行解析和求值，并返回表达式被求值为TRUE的数据子集或记录。所以要过滤Pandas中的DataFrame，需要做的就是在查询函数中指定条件即可。

使用单一条件进行过滤

• 在单个条件下进行过滤时，在Query（）函数中表达式仅包含一个条件。返回的输出将包含该表达式评估为真的所有行。
• 提取数量（Quantity）为95的所有行，因此逻辑形式中的条件可以写为

Quantity == 95

• 需要将条件写成字符串，即将其包装在双引号“”中。query函数的代码如下

df.query("Quantity == 95")

• 看起来很简单。它返回了数量为95的所有行。如果用一般查询的方式可以写成：

df[df['Quantity']==95]

• 但是，如果想在同一列中再包含一个条件怎么办？
• 它在括号符号中又增加了一对方括号，如果是3个条件或者更多条件呢？那么他就变得难以管理。这就是query函数的优势了。

在多个条件过滤（and条件）

• 一个或多个条件下过滤，query()的语法都保持不变
• 但是需要指定两个或多个条件进行过滤的方式

and：回在满足两个条件的所有记录
or：返回满足任意条件的所有记录

• 查询数量为95＆单位价格为182 ，这里包含单价的列被称为UnitPrice（USD），因此，条件是:

Quantity == 95
UnitPrice(USD) == 182

• 那么代码就是：

df.query("Quantity == 95 and UnitPrice(USD) == 182")

• 这个查询会报错：

ValueError: "UnitPrice" is not a supported function

• 但是为什么报错？
• 这是因为query()函数对列名有一些限制。列名称UnitPrice（USD）是无效的。我们要使用反引号把列名包含起来。

f.query("Quantity == 95 and `UnitPrice(USD)` == 182")

• 当两个条件满足时，只有3个记录。
• 或者我们直接将列名改成合理的格式：

df.rename(columns={'UnitPrice(USD)':'UnitPrice',
                  'Shipping_Cost(USD)':'Shipping_Cost',
                  'Delivery_Time(Days)':'Delivery_Time'},
        inplace=True)

• 这里就不需要使用反引号了:

df.query("Quantity == 95 and UnitPrice == 182")

在多个条件过滤（or条件）

• 我们现在只需要满足一个条件：

df.query("Quantity == 95 or UnitPrice == 182") #df.query("Quantity == 95 | UnitPrice == 182")

• 它返回满足两个条件中的任意一个条件的所有列。
• 我们也可以使用|替代or关键字。

在多个条件过滤（加入否定条件）

• 假设想获得数量不等于95的所有行。最简单的答案是在条件之前使用not关键字或否定操作符〜

df.query("not(Quantity == 95)")

• 结果它包含数量不是95的所有行。
• 其实这里的条件不一定必须是相等运算符，可以从==，!=，>，<，≥，≤中选择，例如：

df.query("Quantity != 95")

文本过滤

• 对于文本列过滤时，条件是列名与字符串进行比较。
• 请query()表达式已经是字符串。那么如何在另一个字符串中写一个字符串？将文本值包装在单个引号“”中，就可以了。
• 想获得即状态“未发货”所有记录，可以在query()表达式中写成如下的形式：

df.query("Status == 'Not Shipped'")

• 它返回所有记录，其中状态列包含值-“未发货”。
• 与数值的类似可以在同一列或不同列上使用多个条件，并且可以是数值和非数值列上条件的组合。
• 除此以外， Pandas中的query()方法还可以在查询表达式中使用数学计算。

查询中的简单数学计算

• 数学操作可以是列中的加，减，乘，除，甚至是列中值或者平方等，如下所示：

df.query("Shipping_Cost*2 < 50")

• 虽然这个二次方的操作没有任何的实际意义，但是我们的示例返回了所有达到要求的行。
  
• 我们还可以在一个或多个列上包含一些复杂的计算。

df.query("Quantity**2 + Shipping_Cost**2 < 500")

• 如果使用最原始的[]的形式，这个公式的查询基本上没法完成，但是使用query()函数则变为简单的多。
• 除了数学操作，还在查询表达式中使用内置函数。

查询中的内置函数（sort()，abs()，factorial()，exp()）

• Python内置函数，例如sort()，abs()，factorial()，exp()等，也可以在查询表达式中使用。
• 查找单位价格平方根的超过15的行：

函数的使用

df.query("sqrt(UnitPrice) > 15")

函数和数学运算的整合使用

• query()函数还可以在同一查询表达式将函数和数学运算整合使用

df.query("sqrt(UnitPrice) < Shipping_Cost/2")

• 到目前为止，所有查询示例都是关于数值和文本列的。但是，query()的还不仅限于这些数据类型，对于日期时间值query()函数也可以非常灵活的过滤。

日期时间列过滤

• 使用query()函数在日期时间值上进行查询的唯一要求是，包含这些值的列应为数据类型dateTime64 [ns]
• 在示例数据中，OrderDate列是日期时间，但是我们的df其解析为字符串，所以我们需要先进行转换：

df["OrderDate"] = pd.to_datetime(df["OrderDate"], format="%Y-%m-%d")

• 为了提取有关日期的有用信息并在query()需要使用dt提取器，dt是一种访问对象，用于提取日期时间，例如DateTime系列的属性。

获得8月份的所有数据

df.query("OrderDate.dt.month == 8")

• 所有记录都是八月份的。OrderDate.dt.month显示了如何使用dt访问者仅提取整个日期值的月份值。

获取特定时段的8月份数据（两种方法）

• 如果提取2021年8月订购日为15或以上的所有订单，可以写成这样：

df.query("OrderDate.dt.month == 8 and OrderDate.dt.year == 2021 and OrderDate.dt.day >=15")

• dt很好用并且可以在同一列上结合了多个条件，但表达式似乎太长了。所以可以通过编写更非常简单的表达式来过滤：

df.query("OrderDate >= '2021-08-15' and OrderDate <= '2021-08-31'")

多个条件过滤（日期+其他条件）

• 我们直接传递一个符合日期格式的字符串，它会自动的转换并且比较：
• 将上面的所有内容整合：

df.query("OrderDate >= '2021-08-15' and OrderDate <= '2021-08-31' and Status == 'Delivered'")

• 查询表达式包含了日期时间和文本列条件，它返回了符合查询表达式的所有记录

替换

• 上面的查询中都会生成一个新的df。这是因为：query()的第二个参数(inplace)默认false。
• 与一般的Pandas提供的函数一样，inplace的默认值都是false，查询不会修改原始数据集。如果我们想覆盖原始df时，需要将inplace=true。但是一定要小心使用inplace=true，因为它会覆盖原始的数据。

总结

• 我希望在阅读本文后，您可以更频繁，流利地使用Pandas中的query()函数，因为它可以方便以过滤数据集。这些查询的函数我每天都会或多或少的使用。
• 本文的所有示例代码在这里：

https://github.com/17rsuraj/data-curious/blob/master/TowardsDataScience/pandas_query_deep_dive.ipynb