這篇文章主要講解了“Python中怎么使用query()進(jìn)行優(yōu)雅的查詢”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Python中怎么使用query()進(jìn)行優(yōu)雅的查詢”吧！

成都創(chuàng)新互聯(lián)是一家集網(wǎng)站建設(shè),瀍河企業(yè)網(wǎng)站建設(shè),瀍河品牌網(wǎng)站建設(shè),網(wǎng)站定制,瀍河網(wǎng)站建設(shè)報價,網(wǎng)絡(luò)營銷,網(wǎng)絡(luò)優(yōu)化,瀍河網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強企業(yè)競爭力。可充分滿足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實用型網(wǎng)站。

對于 Pandas 根據(jù)條件獲取指定數(shù)據(jù)，相信大家都能夠輕松的寫出相應(yīng)代碼，但是如果你還沒用過 query，相信你會被它的簡潔所折服！

常規(guī)用法

先創(chuàng)建一個 DataFrame。

import pandas as pd

df = pd.DataFrame(
    {'A': ['e', 'd', 'c', 'b', 'a'],
     'B': ['f', 'b', 'c', 'd', 'e'],
     'C': range(0, 10, 2),
     'D': range(10, 0, -2),
     'E.E': range(10, 5, -1)})

我們現(xiàn)在選取 A列字母出現(xiàn)在B列的所有行。先看兩種常見寫法。

>>> df[df['A'].isin(df['B'])]
   A  B  C   D  E.E
0  e  f  0  10   10
1  d  b  2   8    9
2  c  c  4   6    8
3  b  d  6   4    7
>>> df.loc[df['A'].isin(df['B'])]
   A  B  C   D  E.E
0  e  f  0  10   10
1  d  b  2   8    9
2  c  c  4   6    8
3  b  d  6   4    7

下面使用 query() 來實現(xiàn)。

>>> df.query("A in B")
   A  B  C   D  E.E
0  e  f  0  10   10
1  d  b  2   8    9
2  c  c  4   6    8
3  b  d  6   4    7

可以看到使用 query 后的代碼簡潔易懂，并且它對于內(nèi)存的消耗也更小。

多條件查詢

選取 A列字母出現(xiàn)在B列，并且C列小于D列的所有行。

>>> df.query('A in B and C < D')
   A  B  C   D  E.E
0  e  f  0  10   10
1  d  b  2   8    9
2  c  c  4   6    8

這里 and 也可以用 & 表示。

引用變量

表達(dá)式中也可以使用外部定義的變量，在變量名前用@標(biāo)明。

>>> number = 5
>>> df.query('A in B & C > @number')
   A  B  C  D  E.E
3  b  d  6  4    7

索引選取

選取 A列字母出現(xiàn)在B列，并且索引大于2的所有行。

>>> df.query('A in B and index > 2')
   A  B  C  D  E.E
3  b  d  6  4    7

多索引選取

創(chuàng)建一個兩層索引的 DataFrame。

>>> import numpy as np
>>> colors = ['yellow']*3 + ['red']*2
>>> rank = [str(i) for i in range(5)]
>>> index = pd.MultiIndex.from_arrays([colors, rank], names=['color', 'rank'])
>>> df = pd.DataFrame(np.arange(10).reshape(5, 2),columns=['A', 'B'] , index=index)
>>> df = pd.DataFrame(np.arange(10).reshape(5, 2),columns=['A', 'B'] , index=index)
>>> df
             A  B
color  rank      
yellow 0     0  1
       1     2  3
       2     4  5
red    3     6  7
       4     8  9

1、當(dāng)有多層索引有名稱時，通過索引名稱直接選取。

>>> df.query("color == 'red'")
            A  B
color rank      
red   3     6  7
      4     8  9

2、當(dāng)有多層索引無名時，通過索引級別來選取。

>>> df.index.names = [None, None]
>>> df.query("ilevel_0 == 'red'")
       A  B
red 3  6  7
    4  8  9
>>> df.query("ilevel_1 == '4'")
       A  B
red 4  8  9

特殊字符

對于列名中間有空格或運算符等其他特殊符號，需要使用反引號 ``。

>>> df.query('A == B | (C + 2 > `E.E`)')
   A  B  C  D  E.E
2  c  c  4  6    8
3  b  d  6  4    7
4  a  e  8  2    6

總的來說，query() 用法比較簡單，可以快速上手，代碼可讀性也提高了不少。

感謝各位的閱讀，以上就是“Python中怎么使用query()進(jìn)行優(yōu)雅的查詢”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對Python中怎么使用query()進(jìn)行優(yōu)雅的查詢這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！

分享文章：Python中怎么使用query()進(jìn)行優(yōu)雅的查詢
分享鏈接：http://chinadenli.net/article26/giiscg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供虛擬主機、做網(wǎng)站、定制開發(fā)、ChatGPT、全網(wǎng)營銷推廣、云服務(wù)器

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)