Pandas 实用技能,数据筛选 query 函数详细介绍

0587bc5aede377772b87db3fea9f2141.gif

作者 | 阳哥

来源 | Python数据之道

Pandas 可以说是 在Python数据科学领域应用最为广泛的工具之一。

Pandas是一种高效的数据处理库,它以 dataframeseries 为基本数据类型,呈现出类似excel的二维数据。

在数据处理过程中,咱们经常会用到数据筛选,Pandas 中提供了数据筛选的多种方法,这里,来给大家分享下 在Pandas中应用 query 函数来进行数据筛选。

query 函数的一般用法如下:

df.query('expression')

文中的代码是在 Jupyter Notebook 中运行的(也可以是其他IDE),本次使用的 Pandas 版本是 1.3.0 版,如下:

import pandas as pd


print(f'pandas version: {pd.__version__}')

# pandas version: 1.3.0rc1

在开始之前,先创建一份数据,供后续使用:

data = {
    'brand':['Python数据之道','价值前瞻','菜鸟数据之道','Python','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)
df

数据如下:

feef621c2176bc0d2287d32a460ba5d5.png

常用方法

筛选 "brand" 列中值为 "Python数据之道" 的行,如下:

df.query('brand == "Python数据之道"')

结果如下:

67a96bcd153b40770e16039585ec81f4.png

说明一下,上面代码中的单引号和双引号是可以互换的,下面的写法,其结果也是一样的:

df.query(" brand == 'Python数据之道' ")

上面用 query 函数筛选数据,用下面的方法也是可以实现的:

df[df['brand']=="Python数据之道"]

7fd62858fc9373a34a660f3c99b12e43.png

上面是筛选字符串的值,也可以是筛选数字,如下:

15509c3492a1e15a66f18312341adada.png

通过数学表达式筛选

除了直接通过等于某个值来筛选, query 函数还支持通过数学表达式来进行数据筛选,包括 ><+-*/ 等。

示例如下:

95d84b467b9531dfd31040babe90038d.pngea3ca13720cf4df774a6bbe7087aabf5.png4a7c91107401046b18bd75526907713f.png

通过变量筛选

在程序比较长的时候,经常会使用变量来作为筛选条件, query 函数在使用变量作为判断标准时,通过在变量前面添加 @ 符号来实现,示例如下:

# 通过变量来筛选数据,在变量前使用 @ 符号即可

name = 'Python数据之道'

df.query('brand == @name')

673d8c318e1328b449809c8842f8b4c3.png

列表数据筛选

当需要在某列中筛选多个符合要求的值的时候,可以通过列表(list)来实现,示例如下:

# 需要注意下 双引号 和 单引号的分开使用

df.query('brand in ["Python数据之道","价值前瞻"]')
# df.query("brand in ['Python数据之道','价值前瞻']")

6c7381aa9fbb24cf6c5b25f681259e47.png

多条件筛选

有很多情况下,咱们需要通过多个条件来筛选数据,query 函数支持多种条件的组合,

  • 两者都需要满足的并列条件使用符号 &,或 单词 and

  • 只需要满足其中之一的条件使用符号 |,或 单词 or

示例如下:

25216f82f677e6fe650d85c4714a30be.png2072c194f8e60fc3977e15ab341b27f4.png45c13730f3c778a6a863f0ee77eb9ddf.png250a9500e5a41253368f7a9d5e7f6099.png

列名称有空格的情况

当 dataframe 的列名称中有空格或其他特殊符号的时候,需要使用 反引号(backtick mark),即键盘ESC键下面的按键(就是键盘上第二排第一个按键,有‘~’这个符号的按键) 来将列名包裹起来,示例如下:

df.query("`till years` < 5")

a3db809b33d46c3fce541770c376498d.png

注意,如果使用单引号,将会报错,如下:

8bf817e16ecbe88abba608d9ab6809b7.png

筛选后选取数据列

在数据筛选后,还可以选择需要的数据列,如下:

9dedfbd17cc2f01537f17796cd057ef4.png

小结

以上就是关于 Pandas 中 query 函数的主要内容介绍,应用 query函数进行数据筛选,其语言还是比较简洁的,尤其是当条件比较多的时候,会显得更优雅。

比如下面的对比,假设都是三个筛选条件(假设数据量较多,符合的结果也较多):

没有使用query函数时

df[(df['brand']=="Python数据之道") & (df['A'] >2) & (df['C'] >4)]

b52dd54e539517d9440d2aafb2f8510f.png

可以看出上面的表达式是比较长的,略显繁琐。

使用query函数时

df.query(" brand == 'Python数据之道' & A>2 & C>4 ")

4016d0358698f4e7eeb6e14112f596d9.png

相对来说,使用query 函数会显得更加简洁,如果觉得这个功能不错,就赶紧用起来吧~~

8e4ad3658e61062a5afbaab91f46d15a.gif

CSDN音视频技术开发者在线调研正式上线!

现邀开发者们扫码在线调研

24ec99a61d17b7e34bf67af0731b706a.png

d088820b37fc66b10dac5612b8309b36.png

往期回顾

Gain 算法实现缺失值预测

破解程序员的5大迷思,《新程序员004》上市!

M2芯片重磅问世,性能提升18%!

AI考生挑战高考作文,平均1秒1篇

分享
点收藏
点点赞
点在看
  • 4
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值