Pandas 实用技能,数据筛选 query 函数详细介绍

Posted AI科技大本营

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Pandas 实用技能,数据筛选 query 函数详细介绍相关的知识,希望对你有一定的参考价值。

作者 | 阳哥

来源 | Python数据之道

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 dataframeseries 为基本数据类型,呈现出类似excel的二维数据。

在数据处理过程中,咱们经常会用到数据筛选,Pandas 中提供了数据筛选的多种方法,这里,来给大家分享下 在Pandas中应用 query 函数来进行数据筛选。

query 函数的一般用法如下:

df.query('expression')

文中的代码是在 Jupyter Notebook 中运行的(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

在开始之前,先创建一份数据,供后续使用:

data = 
    'brand':['Python数据之道','价值前瞻','菜鸟数据之道','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

数据如下:

常用方法

筛选 "brand" 列中值为 "Python数据之道" 的行,如下:

df.query('brand == "Python数据之道"')

结果如下:

说明一下,上面代码中的单引号和双引号是可以互换的,下面的写法,其结果也是一样的:

df.query(" brand == 'Python数据之道' ")

上面用 query 函数筛选数据,用下面的方法也是可以实现的:

df[df['brand']=="Python数据之道"]

上面是筛选字符串的值,也可以是筛选数字,如下:

通过数学表达式筛选

除了直接通过等于某个值来筛选, query 函数还支持通过数学表达式来进行数据筛选,包括 ><+-*/ 等。

示例如下:

通过变量筛选

在程序比较长的时候,经常会使用变量来作为筛选条件, query 函数在使用变量作为判断标准时,通过在变量前面添加 @ 符号来实现,示例如下:

# 通过变量来筛选数据,在变量前使用 @ 符号即可

name = 'Python数据之道'

df.query('brand == @name')

列表数据筛选

当需要在某列中筛选多个符合要求的值的时候,可以通过列表(list)来实现,示例如下:

# 需要注意下 双引号 和 单引号的分开使用

df.query('brand in ["Python数据之道","价值前瞻"]')
# df.query("brand in ['Python数据之道','价值前瞻']")

多条件筛选

有很多情况下,咱们需要通过多个条件来筛选数据,query 函数支持多种条件的组合,

  • 两者都需要满足的并列条件使用符号 &,或 单词 and

  • 只需要满足其中之一的条件使用符号 |,或 单词 or

示例如下:

列名称有空格的情况

当 dataframe 的列名称中有空格或其他特殊符号的时候,需要使用 反引号(backtick mark),即键盘ESC键下面的按键(就是键盘上第二排第一个按键,有‘~’这个符号的按键) 来将列名包裹起来,示例如下:

df.query("`till years` < 5")

注意,如果使用单引号,将会报错,如下:

筛选后选取数据列

在数据筛选后,还可以选择需要的数据列,如下:

小结

以上就是关于 Pandas 中 query 函数的主要内容介绍,应用 query函数进行数据筛选,其语言还是比较简洁的,尤其是当条件比较多的时候,会显得更优雅。

比如下面的对比,假设都是三个筛选条件(假设数据量较多,符合的结果也较多):

没有使用query函数时

df[(df['brand']=="Python数据之道") & (df['A'] >2) & (df['C'] >4)]

可以看出上面的表达式是比较长的,略显繁琐。

使用query函数时

df.query(" brand == 'Python数据之道' & A>2 & C>4 ")

相对来说,使用query 函数会显得更加简洁,如果觉得这个功能不错,就赶紧用起来吧~~

CSDN音视频技术开发者在线调研正式上线!

现邀开发者们扫码在线调研

往期回顾

Gain 算法实现缺失值预测

破解程序员的5大迷思,《新程序员004》上市!

M2芯片重磅问世,性能提升18%!

AI考生挑战高考作文,平均1秒1篇

分享
点收藏
点点赞
点在看

以上是关于Pandas 实用技能,数据筛选 query 函数详细介绍的主要内容,如果未能解决你的问题,请参考以下文章

pandas使用query函数和sample函数使用query函数筛选dataframe中的特定数据行并使用sample函数获取指定个数的随机抽样数据

pandas数据预处理(字段筛选query函数进行数据筛选缺失值删除)seaborn使用Catplot函数可视化基本箱图(Boxplot with Seaborn Catplot)

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)

pandas数据预处理(字段筛选query函数进行数据筛选缺失值删除)seaborn可视化分面图(facet)seaborn使用Catplot可视化分面箱图(Faceted Boxplot)

pandas query

Pandas条件筛选 | Python技能树征题