如何利用Pandas查詢選取數據
一,Pandas查詢數據的幾種方法
- df[]按行列選取,這種情況一次隻能選取行或者列
- df.loc方法,根據行、列的標簽值查詢
- df.iloc方法,根據行、列的數字位置查詢,根據索引定位
- df.query方法
二,Pandas使用df.loc查詢數據的方法
- 使用單個label值查詢數據
- 使用值列表批量查詢
- 使用數值區間進行范圍查詢
- 使用條件表達式查詢
- 調用函數查詢
註意
以上查詢方法,既適用於行,也適用於列
##########################################
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
到此這篇關於如何利用Pandas查詢選取數據的文章就介紹到這瞭,更多相關Pandas查詢選取數據內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- Python Pandas中loc和iloc函數的基本用法示例
- python數學建模之三大模型與十大常用算法詳情
- pandas對齊運算的實現示例
- pandas按條件篩選數據的實現
- Python學習之.iloc與.loc的區別、聯系和用法