來源：Python數據之道 (ID:PyDataLab)

作者：陽哥

Pandas 可以說是 在Python數據科學領域應用最為廣泛的工具之一。

Pandas是一種高效的數據處理庫，它以 dataframe 和 series 為基本數據類型，呈現出類似excel的二維數據。

在數據處理過程中，咱們經常會用到數據篩選，Pandas 中提供了數據篩選的多種方法，這里，陽哥來給大家分享下 在Pandas中應用 query 函數來進行數據篩選。

query 函數的一般用法如下：

df.query('expression')

文中的代碼是在 Jupyter Notebook 中運行的（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?pdprint(f'pandas?version:?{pd.__version__}')#?pandas?version:?1.3.0rc1

在開始之前，先創建一份數據，供后續使用：

data?=?{'brand':['Python數據之道','價值前瞻','菜鳥數據之道','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

數據如下：

常用方法

篩選 "brand" 列中值為 "Python數據之道" 的行，如下：

df.query('brand?==?"Python數據之道"')

結果如下：

說明一下，上面代碼中的單引號和雙引號是可以互換的，下面的寫法，其結果也是一樣的：

df.query("?brand?==?'Python數據之道'?")

上面用 query 函數篩選數據，用下面的方法也是可以實現的：

df[df['brand']=="Python數據之道"]

上面是篩選字符串的值，也可以是篩選數字，如下：

通過數學表達式篩選

除了直接通過等于某個值來篩選， query 函數還支持通過數學表達式來進行數據篩選，包括 >、 <、 +、 -、 *、 / 等。

示例如下：

通過變量篩選

在程序比較長的時候，經常會使用變量來作為篩選條件， query 函數在使用變量作為判斷標準時，通過在變量前面添加 @ 符號來實現，示例如下：

#?通過變量來篩選數據，在變量前使用?@?符號即可name?=?'Python數據之道'df.query('brand?==?@name')

列表數據篩選

當需要在某列中篩選多個符合要求的值的時候，可以通過列表（list）來實現，示例如下：

#?需要注意下?雙引號?和?單引號的分開使用df.query('brand?in?["Python數據之道","價值前瞻"]') #?df.query("brand?in?['Python數據之道','價值前瞻']")

多條件篩選

有很多情況下，咱們需要通過多個條件來篩選數據，query 函數支持多種條件的組合，

• 兩者都需要滿足的并列條件使用符號 &,或 單詞 and

• 只需要滿足其中之一的條件使用符號 |,或 單詞 or

示例如下：

列名稱有空格的情況

當 dataframe 的列名稱中有空格或其他特殊符號的時候，需要使用 反引號（backtick mark），即鍵盤ESC鍵下面的按鍵(就是鍵盤上第二排第一個按鍵，有‘~’這個符號的按鍵) 來將列名包裹起來，示例如下：

df.query("`till?years`?<?5")

注意，如果使用單引號，將會報錯，如下：

篩選后選取數據列

在數據篩選后，還可以選擇需要的數據列，如下：

小結

以上就是關于 Pandas 中 query 函數的主要內容介紹，應用 query函數進行數據篩選，其語言還是比較簡潔的，尤其是當條件比較多的時候，會顯得更優雅。

比如下面的對比，假設都是三個篩選條件（假設數據量較多，符合的結果也較多）：

沒有使用query函數時

df[(df['brand']=="Python數據之道")?&?(df['A']?>2)?&?(df['C']?>4)]

可以看出上面的表達式是比較長的，略顯繁瑣。

使用query函數時

df.query("?brand?==?'Python數據之道'?&?A>2?&?C>4?")

相對來說，使用query 函數會顯得更加簡潔，如果覺得這個功能不錯，就趕緊用起來吧~~

---

大家讀完順手點下右下角的 ?“在看” ，就是最大的鼓勵和支持了。

——END——

最近發現一個點外賣每頓飯都能少花5-20元的寶藏號。

就是她，↓點擊下面名片關注公眾號↓

進入公眾號點擊菜單領取紅包最低5元，最高56元！

總結

以上是生活随笔為你收集整理的Pandas实用技能，数据筛选query函数详细介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。