站長資訊網(wǎng)本篇文章帶大家聊聊一個Python Pandas庫的使用小技巧，介紹一下使用query()優(yōu)雅查詢的方法，希望對大家有所幫助！
對于 Pandas 根據(jù)條件獲取指定數(shù)據(jù)，相信大家都能夠輕松的寫出相應代碼，但是如果你還沒用過 query，相信你會被它的簡潔所折服！
常規(guī)用法
先創(chuàng)建一個 DataFrame。
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)})
我們現(xiàn)在選取 A列字母出現(xiàn)在B列 的所有行。先看兩種常見寫法。
>>> df[df['A'].isin(df['B'])] A B C D E.E 0 e f 0 10 10 1 d b 2 8 9 2 c c 4 6 8 3 b d 6 4 7 >>> df.loc[df['A'].isin(df['B'])] A B C D E.E 0 e f 0 10 10 1 d b 2 8 9 2 c c 4 6 8 3 b d 6 4 7
下面使用 query() 來實現(xiàn)。
>>> df.query("A in B") A B C D E.E 0 e f 0 10 10 1 d b 2 8 9 2 c c 4 6 8 3 b d 6 4 7
可以看到使用 query 后的代碼簡潔易懂，并且它對于內存的消耗也更小。
多條件查詢
選取 A列字母出現(xiàn)在B列，并且C列小于D列 的所有行。
>>> df.query('A in B and C < D') A B C D E.E 0 e f 0 10 10 1 d b 2 8 9 2 c c 4 6 8
這里 and 也可以用 & 表示。
引用變量
表達式中也可以使用外部定義的變量，在變量名前用@標明。
>>> number = 5 >>> df.query('A in B & C > @number') A B C D E.E 3 b d 6 4 7
索引選取
選取 A列字母出現(xiàn)在B列，并且索引大于2 的所有行。
>>> df.query('A in B and index > 2') A B C D E.E 3 b d 6 4 7
多索引選取
創(chuàng)建一個兩層索引的 DataFrame。
>>> import numpy as np >>> colors = ['yellow']*3 + ['red']*2 >>> rank = [str(i) for i in range(5)] >>> index = pd.MultiIndex.from_arrays([colors, rank], names=['color', 'rank']) >>> df = pd.DataFrame(np.arange(10).reshape(5, 2),columns=['A', 'B'] , index=index) >>> df = pd.DataFrame(np.arange(10).reshape(5, 2),columns=['A', 'B'] , index=index) >>> df A B color rank yellow 0 0 1 1 2 3 2 4 5 red 3 6 7 4 8 9
1、當有多層索引有名稱時，通過索引名稱直接選取。
>>> df.query("color == 'red'") A B color rank red 3 6 7 4 8 9
2、當有多層索引無名時，通過索引級別來選取。
>>> df.index.names = [None, None] >>> df.query("ilevel_0 == 'red'") A B red 3 6 7 4 8 9 >>> df.query("ilevel_1 == '4'") A B red 4 8 9
特殊字符
對于列名中間有空格或運算符等其他特殊符號，需要使用反引號 ``。
>>> df.query('A == B | (C + 2 > `E.E`)') A B C D E.E 2 c c 4 6 8 3 b d 6 4 7 4 a e 8 2 6
總的來說，query() 用法比較簡單，可以快速上手，代碼可讀性也提高了不少。
【
