【Python】Pandas实用技能，数据筛选query函数详细介绍
来源：Python数据之道 (ID:PyDataLab)
作者：阳哥
Pandas 可以说是 在Python数据科学领域应用最为广泛的工具之一。
Pandas是一种高效的数据处理库，它以 dataframe 和 series 为基本数据类型，呈现出类似excel的二维数据。
在数据处理过程中，咱们经常会用到数据筛选，Pandas 中提供了数据筛选的多种方法，这里，阳哥来给大家分享下 在Pandas中应用 query 函数来进行数据筛选。
query 函数的一般用法如下：
df.query('expression')
文中的代码是在 Jupyter Notebook 中运行的（也可以是其他IDE），本次使用的 Pandas 版本是 1.3.0 版，如下：
import pandas as pd
print(f'pandas version: {pd.__version__}')
# pandas version: 1.3.0rc1
在开始之前，先创建一份数据，供后续使用：
data = {
'brand':['Python数据之道','价值前瞻','菜鸟数据之道','Python','Java'],
'A':[10,2,5,20,16],
'B':[4,6,8,12,10],
'C':[8,12,18,8,2],
'D':[6,18,14,6,12],
'till years':[4,1,1,30,30]
}
df = pd.DataFrame(data=data)
df
数据如下：
常用方法
筛选 "brand" 列中值为 "Python数据之道" 的行，如下：
df.query('brand == "Python数据之道"')
结果如下：
说明一下，上面代码中的单引号和双引号是可以互换的，下面的写法，其结果也是一样的：
df.query(" brand == 'Python数据之道' ")
上面用 query 函数筛选数据，用下面的方法也是可以实现的：
df[df['brand']=="Python数据之道"]
上面是筛选字符串的值，也可以是筛选数字，如下：
通过数学表达式筛选
除了直接通过等于某个值来筛选， query 函数还支持通过数学表达式来进行数据筛选，包括 >、 <、 +、 -、 *、 / 等。
示例如下：
通过变量筛选
在程序比较长的时候，经常会使用变量来作为筛选条件， query 函数在使用变量作为判断标准时，通过在变量前面添加 @ 符号来实现，示例如下：
# 通过变量来筛选数据，在变量前使用 @ 符号即可
name = 'Python数据之道'
df.query('brand == @name')
列表数据筛选
当需要在某列中筛选多个符合要求的值的时候，可以通过列表（list）来实现，示例如下：
# 需要注意下 双引号 和 单引号的分开使用
df.query('brand in ["Python数据之道","价值前瞻"]')
# df.query("brand in ['Python数据之道','价值前瞻']")
多条件筛选
有很多情况下，咱们需要通过多个条件来筛选数据，query 函数支持多种条件的组合，
两者都需要满足的并列条件使用符号
&,或 单词and只需要满足其中之一的条件使用符号
|,或 单词or
示例如下：
列名称有空格的情况
当 dataframe 的列名称中有空格或其他特殊符号的时候，需要使用 反引号（backtick mark），即键盘ESC键下面的按键(就是键盘上第二排第一个按键，有‘~’这个符号的按键) 来将列名包裹起来，示例如下：
df.query("`till years` < 5")
注意，如果使用单引号，将会报错，如下：
筛选后选取数据列
在数据筛选后，还可以选择需要的数据列，如下：
小结
以上就是关于 Pandas 中 query 函数的主要内容介绍，应用 query函数进行数据筛选，其语言还是比较简洁的，尤其是当条件比较多的时候，会显得更优雅。
比如下面的对比，假设都是三个筛选条件（假设数据量较多，符合的结果也较多）：
没有使用query函数时
df[(df['brand']=="Python数据之道") & (df['A'] >2) & (df['C'] >4)]
可以看出上面的表达式是比较长的，略显繁琐。
使用query函数时
df.query(" brand == 'Python数据之道' & A>2 & C>4 ")
相对来说，使用query 函数会显得更加简洁，如果觉得这个功能不错，就赶紧用起来吧~~
大家读完顺手点下右下角的 “在看” ，就是最大的鼓励和支持了。
---------End---------
往期精彩回顾
适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑温州大学《机器学习课程》视频
本站qq群851320808，加入微信群请扫码：