Pandas查询数据的df.loc方法中的5种子方法（三）

1、df.loc方法，根据行、列的标签值查询（.loc既能查询，又能覆盖写入，强烈推荐！）

• （1）使用单个label值查询数据(行或者列，都可以只传入单个值，实现精确匹配)

# 得到单个值
print(df.loc['2018-01-03', 'bWendu'])
# 得到一个Series
print(df.loc['2018-01-03', ['bWendu', 'yWendu']])

• （2）使用值列表批量查询

# 得到Series
print(df.loc[['2018-01-03','2018-01-04','2018-01-05'], 'bWendu'])
# 得到DataFrame
print(df.loc[['2018-01-03','2018-01-04','2018-01-05'], ['bWendu', 'yWendu']])

• （3）使用数值区间进行范围查询(注意：区间既包含开始，也包含结束)

# 行index按区间
print(df.loc['2018-01-03':'2018-01-05', 'bWendu'])
# 列index按区间
print(df.loc['2018-01-03', 'bWendu':'fengxiang'])
# 行和列都按区间查询
print(df.loc['2018-01-03':'2018-01-05', 'bWendu':'fengxiang'])

• （4）使用条件表达式查询(bool列表的长度得等于行数或者列数)

#简单条件查询，最低温度低于-10度的列表
print(df.loc[df["yWendu"]<-10, :])
# 观察一下这里的boolean条件
print(df["yWendu"]<-10)
#复杂条件查询，查一下我心中的完美天气(注意，组合条件用&符号合并，每个条件判断都得带括号)
## 查询最高温度小于30度，并且最低温度大于15度，并且是晴天，并且天气为优的数据
print(df.loc[(df["bWendu"]<=30) & (df["yWendu"]>=15) & (df["tianqi"]=='晴') & (df["aqiLevel"]==1), :])
# 再次观察这里的boolean条件
x = (df["bWendu"]<=30) & (df["yWendu"]>=15) & (df["tianqi"]=='晴') & (df["aqiLevel"]==1)
print(x)

• （5）调用函数查询

# 直接写lambda表达式
print(df.loc[lambda df : (df["bWendu"]<=30) & (df["yWendu"]>=15), :])

# 编写自己的函数，查询9月份，空气质量好的数据
def query_my_data(df):
    return df.index.str.startswith("2018-09") & (df["aqiLevel"] == 1)

print(df.loc[query_my_data, :])

• 注意：
  （1）以上查询方法，既适用于行，也适用于列。
  （2）注意观察降维dataFrame>Series>值（维度会降低）。

2、df.loc方法操作前的代码

#0、读取数据，数据为北京2018年全年天气预报
df = pd.read_csv("./datas/beijing_tianqi/beijing_tianqi_2018.csv")
# 设定索引为日期，方便按日期筛选,把日期设置为索引
df.set_index('ymd', inplace=True)
# 时间序列见后续课程，本次按字符串处理
# print(df.index)
# 替换掉温度的后缀℃
df.loc[:, "bWendu"] = df["bWendu"].str.replace("℃", "").astype('int32')
df.loc[:, "yWendu"] = df["yWendu"].str.replace("℃", "").astype('int32')
# print(df.head())
# print(df.dtypes)