关于dataframe.query()筛选tips

df[df[col] == x]

df.query('col == x')

df.query('col not in (True, False)')

df = pd.DataFrame({"value": [3,4,9,10,11,np.nan,12]})

# 方法1
# 利用 'nan 不等于自身' 的性质，筛选出非 nan、None 的行
df.query('value == value')

# 方法2
# 类似的还有 isnull, notnull,isnan 等
df.query('value.notna()', engine='python')

# 方法3
df.query('value != 'NaN'")

# 筛选出不是 NaT 的行（提前使用外部函数，超纲了哈）
df.query('col not in [@pd.NaT]')

# 1. 外部为普通变量
# 方法1
pi = 3.1415
df.query('value < 10 and value > @pi')

# 方法2
pi = 3.1415
df.query(f'value < 10 and value > {pi}')

# 2.外部变量为 list
cond = [4, 12]
df.query('@cond[0] < value < @cond[1]')

# 3.外部变量为 dict，注意中括号中不能有引号，因此要取 dict 的值，需要用 dict.get() 的方式
cond = {'dn_band': 4, 'up_band': 12}
df.query("@cond.get('dn_band') < value < @cond.get('up_band')")

# 4.外部为函数
num = [2, 6] 
def func(x):
	return x * 2
df.query('@func(@num[0]) < value < @func(@num[1])')