脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Pandas查询选取数据

如何利用Pandas查询选取数据

 更新时间：2022年07月05日 09:08:32   作者：Wangsh@  
在数据分析的过程中通常要对数据进行清洗与处理,而其中比较重要和常见的操作就有对数据进行筛选与查询,下面这篇文章主要给大家介绍了关于如何利用Pandas查询选取数据的相关资料,需要的朋友可以参考下

一，Pandas查询数据的几种方法

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

二，Pandas使用df.loc查询数据的方法

  1. 使用单个label值查询数据
  2. 使用值列表批量查询
  3. 使用数值区间进行范围查询
  4. 使用条件表达式查询
  5. 调用函数查询

注意

以上查询方法，既适用于行，也适用于列

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

 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

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

 #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！

您可能感兴趣的文章:

相关文章

  • Python中__init__.py文件的作用

    Python中__init__.py文件的作用

    这篇文章主要介绍了Python中__init__.py文件的作用，在PyCharm中，带有__init__.py这个文件的目录被认为是Python的包目录，与普通目录的图标有不一样的显示
    2022-09-09
  • django models里数据表插入数据id自增操作

    django models里数据表插入数据id自增操作

    这篇文章主要介绍了django models里数据表插入数据id自增操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-07-07
  • python使用mitmproxy抓取浏览器请求的方法

    python使用mitmproxy抓取浏览器请求的方法

    今天小编就为大家分享一篇python使用mitmproxy抓取浏览器请求的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-07-07
  • PyTorch中可视化工具的使用

    PyTorch中可视化工具的使用

    本文主要介绍了PyTorch中可视化工具的使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2023-04-04
  • python3 线性回归验证方法

    python3 线性回归验证方法

    今天小编就为大家分享一篇python3 线性回归验证方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-07-07
  • python中的sys模块详解

    python中的sys模块详解

    sys模块是与python解释器交互的一个接口，sys 模块提供了许多函数和变量来处理 Python 运行时环境的不同部分，这篇文章主要介绍了python之sys模块详解,需要的朋友可以参考下
    2022-11-11
  • 五个Python迷你版小程序附代码

    五个Python迷你版小程序附代码

    在使用Python的过程中，我最喜欢的就是Python的各种第三方库，能够完成很多操作。下面就给大家介绍5个通过 Python 构建的实战项目，来实践 Python 编程能力。欢迎收藏学习，喜欢点赞支持
    2021-11-11
  • python中format()函数的简单使用教程

    python中format()函数的简单使用教程

    python中format函数用于字符串的格式化，接下来通过本文给大家介绍python中format()函数的简单使用教程，一起看看吧
    2018-03-03
  • pygame播放音乐的方法

    pygame播放音乐的方法

    这篇文章主要介绍了pygame播放音乐的方法,以两个简单实例形式分析了pygame播放MP3音乐的实现方法,需要的朋友可以参考下
    2015-05-05
  • 关于Python的Thread线程模块详解

    关于Python的Thread线程模块详解

    这篇文章主要介绍了关于Python的Thread线程模块详解,进程是程序的一次执行，每个进程都有自己的地址空间、内存、数据栈以及其他记录其运行的辅助数据,需要的朋友可以参考下
    2023-05-05

最新评论