大多數 Pandas 用戶都熟悉?iloc[]?和?loc[]?索引器方法，用于從 Pandas DataFrame 中檢索行和列。但是隨著檢索數據的規則變得越來越復雜，這些方法也隨之變得更加復雜而臃腫。

同時 SQL 也是我們經常接觸且較為熟悉的語言，那么為什么不使用類似于 SQL 的東西來查詢我們的數據呢

事實證明實際上可以使用?query()?方法做到這一點。因此，在今天的文章中，我們將展示如何使用?query()?方法對數據框執行查詢

獲取數據

我們使用 kaggle 上的 Titanic 數據集作為本文章的測試數據集，下載地址如下：https://www.kaggle.com/datasets/tedllh/titanic-train

當然也可以在文末獲取到蘿卜哥下載好的數據集

載入數據

下面文末就可以使用 read_csv 來載入數據了

import?pandas?as?pd
df?=?pd.read_csv('titanic_train.csv')
df

數據集有 891 行和 12 列：

使用 query() 方法

讓我們找出從南安普敦 (‘S’) 出發的所有乘客，可以使用方括號索引，代碼如下所示：

df[df['Embarked']?==?'S']

如果使用?query()?方法，那么看起來更整潔：

df.query('Embarked?==?"S"')

與 SQL 比較，則 query() 方法中的表達式類似于 SQL 中的 WHERE 語句。

結果是一個 DataFrame，其中包含所有從南安普敦出發的乘客：

query() 方法接受字符串作為查詢條件串，因此，如果要查詢字符串列，則需要確保字符串被正確括起來：

很多時候，我們可能希望將變量值傳遞到查詢字符串中，可以使用 @ 字符執行此操作：

embarked?=?'S'
df.query('Embarked?==?@embarked')

或者也可以使用 f 字符串，如下所示：

df.query(f'Embarked?==?"{embarked}"')

就個人而言，我認為與 f-string 方式相比，使用 @ 字符更簡單、更優雅，你認為呢

如果列名中有空格，可以使用反引號 (``) 將列名括起來：

df.query('`Embarked?On`?==?@embarked')

以 In-place 的方式執行 query 方法

當使用 query() 方法執行查詢時，該方法將結果作為 DataFrame 返回，原始 DataFrame 保持不變。如果要更新原始 DataFrame，需要使用 inplace 參數，如下所示：

df.query('Embarked?==?"S"',?inplace=True)

當 inplace 設置為 True 時，query()?方法將不會返回任何值，原始 DataFrame 被修改。

指定多個條件查詢

我們可以在查詢中指定多個條件，例如假設我想獲取所有從南安普敦 (‘S’) 或瑟堡 (‘C’) 出發的乘客。如果使用方括號索引，這種語法很快變得非常笨拙：

df[(df['Embarked']?==?'S')?|?(df['Embarked']?==?'C')]

我們注意到，在這里我們需要在查詢的條件下引用 DataFrame 兩次，而使用 query() 方法，就簡潔多了：

df.query('Embarked?in?("S","C")')

查詢結果如下

如果要查找所有不是從南安普敦（‘S’）或瑟堡（‘C’）出發的乘客，可以在 Pandas 中使用否定運算符 (~)：

df[~((df['Embarked']?==?'S')?|?(df['Embarked']?==?'C'))]

使用?query()?方法，只需要使用 not 運算符：

df.query('Embarked?not?in?("S","C")')

以下輸出顯示了從皇后鎮 (‘Q’) 出發的乘客以及缺失值的乘客：

說到缺失值，該怎么查詢缺失值呢，當應用于列名時，我們可以使用 isnull() 方法查找缺失值：

df.query('Embarked.isnull()')

現在將顯示 Embarked 列中缺少值的行：

其實可以直接在列名上調用各種 Series 方法：

df.query('Name.str.len()?<?20')??#?find?passengers?whose?name?is?
?????????????????????????????????#?less?than?20?characters
df.query(f'Ticket.str.startswith("A")')?#?find?all?passengers?whose?
????????????????????????????????????????#?ticket?starts?with?A

比較數值列

我們還可以輕松比較數字列：

df.query('Fare?>?50')

以下輸出顯示了票價大于 50 的所有行：

比較多個列

還可以使用 and、or 和 not 運算符比較多個列，以下語句檢索 Fare 大于 50 和 Age 大于 30 的所有行：

df.query('Fare?>?50?and?Age?>?30')

下面是查詢結果

查詢索引

通常當我們想根據索引值檢索行時，可以使用?loc[]?索引器，如下所示：

df.loc[[1],:]??#?get?the?row?whose?index?is?1;?return?as?a?dataframe

但是使用 query() 方法，使得事情變得更加直觀：

df.query('index==1')

結果如下

如果要檢索索引值小于 5 的所有行：

df.query('index<5')

結果如下

我們還可以指定索引值的范圍：

df.query('6?<=?index?<?20')

結果如下

比較多列

我們還可以比較列之間的值，例如以下語句檢索 Parch 值大于 SibSp 值的所有行：

df.query('Parch?>?SibSp')

結果如下

總結

從上面的示例可以看出，query()?方法使搜索行的語法更加自然簡潔，希望感興趣的小伙伴多加練習，真正的達到融會貫通的地步哦~