快捷導(dǎo)航

如何利用Pandas查詢(xún)選取數(shù)據(jù)

更新時(shí)間：2022年07月05日 09:08:32 作者：Wangsh@

在數(shù)據(jù)分析的過(guò)程中通常要對(duì)數(shù)據(jù)進(jìn)行清洗與處理,而其中比較重要和常見(jiàn)的操作就有對(duì)數(shù)據(jù)進(jìn)行篩選與查詢(xún),下面這篇文章主要給大家介紹了關(guān)于如何利用Pandas查詢(xún)選取數(shù)據(jù)的相關(guān)資料,需要的朋友可以參考下

一，Pandas查詢(xún)數(shù)據(jù)的幾種方法

df[]按行列選取，這種情況一次只能選取行或者列
df.loc方法，根據(jù)行、列的標(biāo)簽值查詢(xún)
df.iloc方法，根據(jù)行、列的數(shù)字位置查詢(xún)，根據(jù)索引定位
df.query方法

二，Pandas使用df.loc查詢(xún)數(shù)據(jù)的方法

使用單個(gè)label值查詢(xún)數(shù)據(jù)
使用值列表批量查詢(xún)
使用數(shù)值區(qū)間進(jìn)行范圍查詢(xún)
使用條件表達(dá)式查詢(xún)
調(diào)用函數(shù)查詢(xún)

注意

以上查詢(xún)方法，既適用于行，也適用于列

##########################################

df[]

>>> df=pd.DataFrame(np.random.rand(25).reshape([5,5]),index=['A','B','C','D','E'],columns=['c1','c2','c3','c4','c5'])
>>> df
         c1        c2        c3        c4        c5
A  0.499404  0.082137  0.472568  0.649200  0.121681
B  0.564688  0.102398  0.374904  0.091373  0.495510
C  0.319272  0.720225  0.979103  0.910206  0.766642
D  0.478346  0.311616  0.466326  0.045612  0.258015
E  0.421653  0.577140  0.103048  0.235219  0.550336

##########################################

#獲取c1，c2兩列

df[['c1','c2']]

>>> df[['c1','c2']]
         c1        c2
A  0.499404  0.082137
B  0.564688  0.102398
C  0.319272  0.720225
D  0.478346  0.311616
E  0.421653  0.577140

##########################################

#獲取c1列

df.c1

>>> df.c1
A    0.499404
B    0.564688
C    0.319272
D    0.478346
E    0.421653
Name: c1, dtype: float64

##########################################

#獲取索引為A-C行數(shù)據(jù)

df['A':'C']

>>> df['A':'C']
         c1        c2        c3        c4        c5
A  0.499404  0.082137  0.472568  0.649200  0.121681
B  0.564688  0.102398  0.374904  0.091373  0.495510
C  0.319272  0.720225  0.979103  0.910206  0.766642

##########################################

#獲取2-3行數(shù)據(jù)

df[1:3]

>>> df[1:3]
         c1        c2        c3        c4        c5
B  0.564688  0.102398  0.374904  0.091373  0.495510
C  0.319272  0.720225  0.979103  0.910206  0.766642

##########################################

df.loc方法查詢(xún)

1、使用數(shù)值區(qū)間進(jìn)行范圍查詢(xún)

有點(diǎn)類(lèi)似list的切片

>>> df.loc['A':'D',:]
         c1        c2        c3        c4        c5
A  0.499404  0.082137  0.472568  0.649200  0.121681
B  0.564688  0.102398  0.374904  0.091373  0.495510
C  0.319272  0.720225  0.979103  0.910206  0.766642
D  0.478346  0.311616  0.466326  0.045612  0.258015

##########################################

2、單個(gè)label值查詢(xún)

類(lèi)似坐標(biāo)查詢(xún)

>>> df.loc['A','c2']
0.08213716245372071

##########################################

3、使用列表批量查詢(xún)

>>> df.loc[['A','B','D'],['c1','c3']]
         c1        c3
A  0.499404  0.472568
B  0.564688  0.374904
D  0.478346  0.466326

##########################################

4、使用條件表達(dá)式查詢(xún)

>>> df.loc[df['c2']>0.5,:]
         c1        c2        c3        c4        c5
C  0.319272  0.720225  0.979103  0.910206  0.766642
E  0.421653  0.577140  0.103048  0.235219  0.550336

>>> df[(df['c2']>0.2) & (df['c3'] < 0.8)]
         c1        c2        c3        c4        c5
D  0.478346  0.311616  0.466326  0.045612  0.258015
E  0.421653  0.577140  0.103048  0.235219  0.550336

##########################################

5、使用函數(shù)查詢(xún)

def query_my_data(df):
    return ((df['c3']>0.2) & (df["c4"]<0.8))
            
df.loc[query_my_data, :]
            c1        c2            c3            c4            c5
    B    0.845310    0.545040    0.946026    0.106405    0.984376
    C    0.844622    0.947104    0.878854    0.377638    0.175846
    E    0.139952    0.420424    0.364295    0.012773    0.307853

##########################################

df.iloc方法查詢(xún)

同df.loc類(lèi)似，根據(jù)索引定位

#提取2-3行，1-2列數(shù)據(jù)

df.iloc[1:3,0:2]

>>> df.iloc[1:3,0:2]
         c1        c2
B  0.564688  0.102398
C  0.319272  0.720225

##########################################

#提取第二第三行，第4列數(shù)據(jù)

df.iloc[[1,2],[3]]

         c4
B  0.091373
C  0.910206

##########################################

#提取指定位置單個(gè)數(shù)值

df.iloc[3,4]

>>> df.iloc[3,4]
0.2580148841605816

總結(jié)

到此這篇關(guān)于如何利用Pandas查詢(xún)選取數(shù)據(jù)的文章就介紹到這了,更多相關(guān)Pandas查詢(xún)選取數(shù)據(jù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: