Pandas 可以說(shuō)是 在Python數(shù)據(jù)科學(xué)領(lǐng)域應(yīng)用最為廣泛的工具之一。Pandas是一種高效的數(shù)據(jù)處理庫(kù)，它以 ??dataframe?? 和 ??series?? 為基本數(shù)據(jù)類(lèi)型，呈現(xiàn)出類(lèi)似excel的二維數(shù)據(jù)。在數(shù)據(jù)處理過(guò)程中，咱們經(jīng)常會(huì)用到數(shù)據(jù)篩選，Pandas 中提供了數(shù)據(jù)篩選的多種方法，這里，來(lái)給大家分享下 在Pandas中應(yīng)用 ??query?? 函數(shù)來(lái)進(jìn)行數(shù)據(jù)篩選。??query?? 函數(shù)的一般用法如下：

創(chuàng)新互聯(lián)建站長(zhǎng)期為1000多家客戶(hù)提供的網(wǎng)站建設(shè)服務(wù)，團(tuán)隊(duì)從業(yè)經(jīng)驗(yàn)10年，關(guān)注不同地域、不同群體，并針對(duì)不同對(duì)象提供差異化的產(chǎn)品和服務(wù)；打造開(kāi)放共贏平臺(tái)，與合作伙伴共同營(yíng)造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為大觀企業(yè)提供專(zhuān)業(yè)的成都做網(wǎng)站、網(wǎng)站制作，大觀網(wǎng)站改版等技術(shù)服務(wù)。擁有10年豐富建站經(jīng)驗(yàn)和眾多成功案例,為您定制開(kāi)發(fā)。

df.query('expression')

文中的代碼是在 Jupyter Notebook 中運(yùn)行的（也可以是其他IDE），本次使用的 Pandas 版本是 1.3.0 版，如下：

import pandas as pd
print(f'pandas version: {pd.__version__}')
# pandas version: 1.3.0rc1

在開(kāi)始之前，先創(chuàng)建一份數(shù)據(jù)，供后續(xù)使用：

data = {
    'brand':['Python數(shù)據(jù)之道','價(jià)值前瞻','菜鳥(niǎo)數(shù)據(jù)之道','Python','Java'],
    'A':[10,2,5,20,16],
    'B':[4,6,8,12,10],
    'C':[8,12,18,8,2],
    'D':[6,18,14,6,12],
    'till years':[4,1,1,30,30]
}

df = pd.DataFrame(data=data)
df

數(shù)據(jù)如下：

常用方法

篩選 "brand" 列中值為 "Python數(shù)據(jù)之道" 的行，如下：

df.query('brand == "Python數(shù)據(jù)之道"')

結(jié)果如下：

說(shuō)明一下，上面代碼中的單引號(hào)和雙引號(hào)是可以互換的，下面的寫(xiě)法，其結(jié)果也是一樣的：

df.query(" brand == 'Python數(shù)據(jù)之道' ")

上面用 query 函數(shù)篩選數(shù)據(jù)，用下面的方法也是可以實(shí)現(xiàn)的：

df[df['brand']=="Python數(shù)據(jù)之道"]

上面是篩選字符串的值，也可以是篩選數(shù)字，如下：

通過(guò)數(shù)學(xué)表達(dá)式篩選

除了直接通過(guò)等于某個(gè)值來(lái)篩選， query 函數(shù)還支持通過(guò)數(shù)學(xué)表達(dá)式來(lái)進(jìn)行數(shù)據(jù)篩選，包括 ??>??、 ???、 ??+??、 ??-??、 ??*??、 ??/?? 等。

示例如下：

通過(guò)變量篩選

# 通過(guò)變量來(lái)篩選數(shù)據(jù)，在變量前使用 @ 符號(hào)即可
name = 'Python數(shù)據(jù)之道'
df.query('brand == @name')

# 需要注意下 雙引號(hào) 和 單引號(hào)的分開(kāi)使用
df.query('brand in ["Python數(shù)據(jù)之道","價(jià)值前瞻"]')
# df.query("brand in ['Python數(shù)據(jù)之道','價(jià)值前瞻']")

df.query("`till years` < 5")

df[(df['brand']=="Python數(shù)據(jù)之道") & (df['A'] >2) & (df['C'] >4)]

df.query(" brand == 'Python數(shù)據(jù)之道' & A>2 & C>4 ")