Pandas查询选取数据

目录

一，Pandas查询数据的几种方法

二，Pandas使用df.loc查询数据的方法

注意

 df[]

 #获取c1，c2两列df[['c1','c2']]

#获取c1列df.c1

#获取索引为A-C行数据df['A':'C']

#获取2-3行数据df[1:3]

df.loc方法查询

1、使用数值区间进行范围查询

2、单个label值查询

3、使用列表批量查询

4、使用条件表达式查询

5、使用函数查询

df.iloc方法查询

#提取2-3行，1-2列数据df.iloc[1:3,0:2]

#提取第二第三行，第4列数据df.iloc[[1,2],[3]]

#提取指定位置单个数值df.iloc[3,4]

---

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