无效的推文

表：Tweets

+----------------+---------+
| Column Name    | Type    |
+----------------+---------+
| tweet_id       | int     |
| content        | varchar |
+----------------+---------+
在 SQL 中，tweet_id 是这个表的主键。
这个表包含某社交媒体 App 中所有的推文。

查询所有无效推文的编号（ID）。当推文内容中的字符数严格大于 15 时，该推文是无效的。

以任意顺序返回结果表。

解题思路：

1.字符数长度

tweets['str_len'] = tweets['content'].apply(lambda x:len(str(x)))

2.根据字符数长度筛选行

df = tweets.loc[tweets['str_len']>15,['tweet_id']]

注：loc用法

下面是一些常见的loc用法示例：

1.选择所有行和特定列：

df.loc[:, 'col1'] # 选择所有行的'col1'列

df.loc[:, ['col1', 'col2']] # 选择所有行的'col1'和'col2'列

2.根据条件选择行：

df.loc[df['col1'] > 10] # 选择'col1'大于10的所有行

df.loc[(df['col1'] > 10) & (df['col2'] < 5)] # 选择'col1'大于10且'col2'小于5的所有行

3.选择特定行和列：

df.loc[3, 'col1'] # 选择第4行的'col1'列值

df.loc[[1, 3, 5], ['col1', 'col2']] # 选择第2、4、6行的'col1'和'col2'列值

需要注意的是，loc使用的是闭区间，即包含开始和结束位置。例如，loc[1:3]会选择索引为1、2和3的行。

iloc用法，与loc不同，iloc使用的是整数位置而不是标签。

下面是一些常见的iloc用法示例：

1.选择特定行和列：

df.iloc[0] # 选择第一行的所有列

df.iloc[0, 2] # 选择第一行第三列的值

df.iloc[[0, 2, 4], [1, 3]] # 选择第一、三、五行的第二、四列的值

2.切片选择行和列：

df.iloc[1:5] # 选择第二至第五行的所有列

df.iloc[:, 1:4] # 选择所有行的第二至第四列的值

df.iloc[1:5, 2:4] # 选择第二至第五行的第三至第四列的值

需要注意的是，切片操作在iloc中使用的是半开区间，即开始位置包含在内，结束位置不包含在内。例如，iloc[1:5]会选择索引为1、2、3和4的行，但不包括索引为5的行。