「Python数据分析」Pandas基础，数据选择重量级：query()方法

我们在利用布尔索引，进行数据选择的时候，需要深入理解逻辑操作符，也就是与或非操作。特别是布尔索引对行索引的处理，往往过于冗长和复杂，还需要注意行索引下标的起始位置。这对于非计算机专业的数据分析人员来说，相对于不太友好。

针对以上问题，本篇文章详细介绍一个数据选择的重量级方法，也就是query()方法。通过query()方法对数据进行查询，可以提高查询速度和效率，还可以让查询的代码更加清晰和简便。这对于非计算机专业的数据分析人员来说，是一个不错的数据查询方法。

先看一个布尔索引或操作的query()方法实现方式

生成原始数据集

这里分别用纯净的python查询方法和query方法进行对比

从上图中的查询代码，以及查询结果可以看到，实现同样的查询过程，用query方法的话，代码更加清晰，而且复杂度大大降低，让人容易理解。

我们甚至可以把和操作符&，换成英文and表示

还可以去掉小括号，进一步优化代码，让查询代码更加简洁

in 和 not in 操作符的 query 方法替代

这里，我们重新生成一个数据集

先来看in操作的query方法

这里的in操作符，表示的是包含的意思，也就是a列的值，在b列中出现的数据行。

我们可以从原始数据集看到，a列有a，b，c，d，e，f这几个数据值，b列有a，b，c三个不重复的数据值。那么，a列在b列中出现的数据值，就是a，b，c三个，包含重复值。

用纯净的python语句查询的话，是下面这样的

再来看看not in操作的query方法实现方式

query方法的组合查询方式

我们可以把in和not in操作，以及布尔操作组合起来，通过query方法来实现

通过list对象实现的==和!=操作符的query实现方式

==操作符等同于in操作符

代码的含义是，选择b列中的数值，同时在a，b，c三列中都出现过的数据。我们可以看出，b列中的a，b，c三个值，在a列中全部出现过，所以等同于选择全部数据。

纯净的python查询语句，是下面这样的

query方法的性能

我们再来看看query方法，和纯净的python查询语句相比，性能如何？

从上图可以看出，绿色的曲线，代表纯净的python查询语句的执行速度。橘红色的曲线，代表的是query方法的执行速度。

在不超过100,000行数据的情况下，query方法稍微慢一些，需要的时间更多。但是，超过100,000行数据的情况下，query方法的查询速度，就优于纯净的python查询语句了。

总结

query方法的语句，要比python的查询语句，更加简单易懂。对于非计算机专业的数据分析人员来说，可以用query方法，替代布尔索引，还有逻辑的与或非操作，以及in和not in操作。

在执行速度方面，100,000行数据是query方法和python查询语句的分界线。小于100,000行数据的情况下，python查询语句稍微快一些。大于100,000行数据的情况下，query方法要优于python查询语句。