pandas dataframe query()

最新推荐文章于 2024-10-02 23:16:22 发布

zhlkh

最新推荐文章于 2024-10-02 23:16:22 发布

阅读量1.2k

点赞数

文章标签：数据分析数据挖掘

本文链接：https://blog.csdn.net/zhlkh/article/details/123005758

版权

query()用法

query()就相当于sql语句中的where，条件写法也大同小异，通过指定的条件对DataFrame中的数据进行过滤

df.query(expr, inplace=False, **kwargs) query方法的原型

expr 要执行过滤的条件

inplace 是否修改原始数据，即是以副本过滤还是原数据过滤

以下通过代码对该方法进行解释

以下代码截图来自Jupyter中文集成版(Python整合版)

Git地址：

GitHub - DaiMaBang/Jupyter: Jupyter中文集成版(Python整合版)，是把python3.8和jupyter notebook高度集成，jupyter傻瓜式安装，用最简洁友好的纯中文方式(jupyter汉化100%)展现出来的优秀Jupyter绿色使用工具。本工具，把Jupyter的复杂操作简单化，集成pandas、numpy、matplotlib等常用三方库，并附带一些python的基础语法、pandas使用、股票分析实例，让您能最快的开始Jupyter的编写。https://github.com/DaiMaBang/Jupyter

查询成绩大于等于95的学生

查询所有成绩大于95并且性别是女的学生

直接修改原DataFrame数据集

过滤姓名中包含有美字的学生

这个里面用到了,columns.str.contains方法，把列的值转字符串，并判断值是否包含在对应的列值里

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

zhlkh

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

pandas.dataFrame中query和eval用法

猫敷雪

05-26

1114

python数据科学生态环境的强大力量在Numpy和Pandas的基础之上，并通过直观的语法将基本操作转化为c语言：在Numpy里是向量化/广播运算，在pandas里是分组型的运算。虽然这些抽象功能可以简洁高效的解决很多问题，但是他们经常需要创建临时对象，这样会占用很大的计算时间和内存。Pandas为了解决性能问题，引入了eval()和query()函数，他们可以让用户直接运行C语言速度的操作，不需要费力的配置中间数组，它们都依赖于Numexpr程序包。

pandas使用query函数基于dataframe字符串数据列中字符串的长度筛选dataframe的数据行（specific column string length）

data+scenario+science+insight

01-24

1009

pandas使用query函数基于dataframe字符串数据列中字符串的长度筛选dataframe的数据行（select dataframe rows based on specific column string length）

参与评论您还未登录，请先登录后发表或查看评论

pandas—pandas.DataFrame.query与pandas.DataFrame.reset_index

柳杰的博客

01-17

614

文章目录1.pandas.DataFrame.query官方案例2.pandas.DataFrame.reset_index官方案例将reset_index与MultiIndex一起使用 1.pandas.DataFrame.query 官网 DataFrame.query(expr, inplace=False, **kwargs) 描述使用布尔表达式查询DataFrame的列参数 expr : str 要计算的查询字符串 inplace : bool 查询是应该修改数据还是返回修改后的副

DataFrame.query()--Pandas

chongbaikaishi的博客

08-23

1099

Pandas 中的一个函数，用于在 DataFrame 中执行查询操作。这个方法会返回一个新的 DataFrame，其中包含符合查询条件的数据行。请注意，query 方法只能用于筛选行，而不能用于筛选列。

【pandas之DataFrame相关函数】query（）函数

陆百万的博客

06-24

2928

**DataFrame.query(expr, inplace=False, **kwargs)[source] Query the columns of a DataFrame with a boolean expression. 通过布尔表达式进行查询 **待读取文件预览：运行结果:

10个快速入门Query函数使用的Pandas的查询示例

数据派THU

08-15

1075

来源：Deephub Imba 本文约2600字，建议阅读5分钟在本文中整理了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。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。首先，将数据集导入pandas Dat...

pandas dataframe使用query进行多个条件快速筛选

呆萌的代Ma

10-11

9626

对于dataframe格式的数据，使用多个筛选条件筛选时，建议使用query()：使用query关键词不会产生新的空间开销，可以更加节省内存在小样本下效率低于传统方法(比如q1_2)，但是在大样本下效率高于传统方法案例生成数据： import pandas as pd import numpy as np df = pd.DataFrame(np.random.randint(0, 10, size=(1000, 3)), columns=['a', 'b', 'c']) 筛选条件：a列 &

【数据分析】DataFrame.query()

最新发布

2301_81133727的博客

10-02

1148

python query方法_Pandas dataframe.query方法语法

weixin_42138703的博客

01-14

4790

问题：我想更好地理解PandasDataFrame.query方法以及下面的表达式表示什么：match = dfDays.query('index > @x.name & price >= @x.target')@x.name代表什么？我理解这段代码(一个包含pandas.tslib.Timestamp数据的新列)的结果输出是什么，但不清楚用于获取此最终结果的表达式。数据：从这...

pandas dataframe query使用

qq_44821149的博客

02-08

292

发现datadrame里有个很好用的检索功能，query（query可以利用外部变量进行筛选）。列如：再如： df.query在很多情况下，可以起到非常好的效果。可以参考这篇更为详细的教程： Pandas查询数据df.query

【Python】Pandas实用技能，数据筛选query函数详细介绍

fengdu78的博客

07-30

9838

来源：Python数据之道 (ID:PyDataLab)作者：阳哥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 dat...

python - DataFrame查询数据操作

m0_74051333的博客

06-07

1143

学习目标掌握获取df一列或多列数据的方法知道loc和iloc的区别以及使用方法知道df的query函数的使用方法知道isin函数的作用和使用方法获取DataFrame子集的基本方法 1.1 从前从后获取多行数据案例中用到的数据集在文章顶部 LJdata.csv 前景回顾 head() & tail() import pandas as pd # 加载csv数据集 df = pd.read_csv('LJdata.cs

[Pandas] query()函数

Hudas的博客

03-28

1457

本文主要讲解Pandas中的query()函数的用法

Pandas的query语法

qq_43662627的博客

09-24

529

pandas提供了query语法，能用于复杂的操作，如过滤等 import pandas as pd data = pd.read_csv("C:\\Users\\Administrator\\Desktop\\文档\\作业\\云计算与大数据实验一\\云计算与大数据实验一\\600519.csv", encoding='gb2312') def find1(): print("*************显示某个输入的日期的当日数据****************") a = input("

pandas query()函数

m0_69097184的博客

07-24

413

在pandas中，`query()`函数用于从DataFrame中筛选出满足指定条件的行。它接受一个字符串作为参数，该字符串表示查询条件。参数说明：- `expr`：表示查询条件的字符串表达式。- `inplace`：一个布尔值，表示是否在原始DataFrame上进行就地修改，默认为False。- `**kwargs`：其他可选参数，用于传递给查询表达式中使用的变量。

Python Pandas库DataFrame数据结构

体系化很难，碎片归纳很简单。

03-29

442

Pandas库是在NumPy库基础上开法的一种数据分析工具。

14、Pandas：query()函数

lghpy的博客

01-20

2888

1、基本使用 import pandas as pd df = pd.DataFrame( {'A': ['e', 'd', 'c', 'b', 'a'], 'B': ['f', 'b', 'c', 'd', 'e'], 'C': range(0, 10, 2), 'D': range(10, 0, -2), 'E.E': range(10, 5, -1)}) 我们现在选取 A列字母出现在B列的所有行。先看两种常见写法 >>> df[d

Pandas Query 方法深度总结

周萝卜的博客

07-25

6873

大多数 Pandas 用户都熟悉 iloc[] 和 loc[] 索引器方法，用于从 Pandas DataFrame 中检索行和列。但是随着检索数据的规则变得越来越复杂，这些方法也随之变得更加复杂而臃肿。同时 SQL 也是我们经常接触且较为熟悉的语言，那么为什么不使用类似于 SQL 的东西来查询我们的数据呢事实证明实际上可以使用 query() 方法做到这一点。因此，在今天的文章中，我们将展示如何使用 query() 方法对数据框执行查询获取数据我们使用 kaggle 上的 Titanic 数据集作

pandas DataFrame怎么使用

03-20

Pandas DataFrame 是一个二维的表格数据结构，可以用来处理和分析数据。使用 Pandas DataFrame，你可以轻松地读取、处理和分析数据。以下是一些基本的使用方法： 1. 创建 DataFrame：可以使用 pd.DataFrame() 函数来创建一个 DataFrame，可以从列表、字典、CSV 文件等数据源中创建。 2. 查看 DataFrame：可以使用 .head()、.tail()、.info() 等方法来查看 DataFrame 的前几行、后几行、基本信息等。 3. 选择数据：可以使用 .loc[]、.iloc[]、.at[]、.iat[] 等方法来选择 DataFrame 中的数据。 4. 修改数据：可以使用 .loc[]、.iloc[]、.at[]、.iat[] 等方法来修改 DataFrame 中的数据。 5. 过滤数据：可以使用布尔索引、.query()、.isin() 等方法来过滤 DataFrame 中的数据。 6. 排序数据：可以使用 .sort_values()、.sort_index() 等方法来对 DataFrame 中的数据进行排序。 7. 分组数据：可以使用 .groupby()、.agg()、.apply() 等方法来对 DataFrame 中的数据进行分组和聚合。 8. 合并数据：可以使用 .merge()、.concat() 等方法来合并多个 DataFrame 中的数据。以上是一些基本的使用方法，更多详细的使用方法可以参考 Pandas 官方文档。