目录

一，Pandas查询数据的几种方法二，Pandas使用df.loc查询数据的方法df[]df.loc方法查询df.iloc方法查询总结

一，Pandas查询数据的几种方法

df[]按行列选取，这种情况一次只能选取行或者列df.loc方法，根据行、列的标签值查询df.iloc方法，根据行、列的数字位置查询，根据索引定位df.query方法

二，Pandas使用df.loc查询数据的方法

使用单个label值查询数据使用值列表批量查询使用数值区间进行范围查询使用条件表达式查询调用函数查询

注意

以上查询方法，既适用于行，也适用于列

##########################################

【资料图】

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

##########################################

#获取c1，c2两列

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

##########################################

#获取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

##########################################

#获取索引为A-C行数据

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

##########################################

#获取2-3行数据

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方法查询

1、使用数值区间进行范围查询

有点类似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、单个label值查询

类似坐标查询

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

##########################################

3、使用列表批量查询

>>> 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、使用条件表达式查询

>>> 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、使用函数查询

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方法查询

同df.loc类似，根据索引定位

#提取2-3行，1-2列数据

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列数据

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

c4
B  0.091373
C  0.910206

##########################################

#提取指定位置单个数值

df.iloc[3,4]

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

总结

到此这篇关于如何利用Pandas查询选取数据的文章就介绍到这了,更多相关Pandas查询选取数据内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

关键词： 使用条件 希望大家 相关文章 有点类似 调用函数