日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

學無先后，達者為師

網站首頁 編程語言 正文

如何利用Pandas查詢選取數據_python

作者：Wangsh@ ? 更新時間： 2022-08-27 編程語言

一，Pandas查詢數據的幾種方法

  1. df[]按行列選取，這種情況一次只能選取行或者列
  2. df.loc方法，根據行、列的標簽值查詢
  3. df.iloc方法，根據行、列的數字位置查詢，根據索引定位
  4. df.query方法

二，Pandas使用df.loc查詢數據的方法

  1. 使用單個label值查詢數據
  2. 使用值列表批量查詢
  3. 使用數值區間進行范圍查詢
  4. 使用條件表達式查詢
  5. 調用函數查詢

注意

以上查詢方法，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行數據

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行數據

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

1、使用數值區間進行范圍查詢

有點類似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label值查詢

類似坐標查詢

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

########################################## ?

3、使用列表批量查詢

>>> 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、使用條件表達式查詢

>>> 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、使用函數查詢

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

同df.loc類似，根據索引定位

#提取2-3行，1-2列數據

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列數據

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

         c4
B  0.091373
C  0.910206

########################################## ?

#提取指定位置單個數值

df.iloc[3,4]

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

總結

原文鏈接：https://blog.csdn.net/qq_48391148/article/details/124674329

欄目分類
最近更新