Pandas查詢數(shù)據(jù)df.query的使用
方法對(duì)比:
使用df[(df[“a”] > 3) & (df[“b”]<5)]的方式;
使用df.query(“a>3 & b<5”)的方式;
df = pd.read_csv("beijing_tianqi_2018.csv") df.head()
ymd | bWendu | yWendu | tianqi | fengxiang | fengli | aqi | aqiInfo | aqiLevel | |
---|---|---|---|---|---|---|---|---|---|
0 | 2018-01-01 | 3℃ | -6℃ | 晴~多云 | 東北風(fēng) | 1-2級(jí) | 59 | 良 | 2 |
1 | 2018-01-02 | 2℃ | -5℃ | 陰~多云 | 東北風(fēng) | 1-2級(jí) | 49 | 優(yōu) | 1 |
2 | 2018-01-03 | 2℃ | -5℃ | 多云 | 北風(fēng) | 1-2級(jí) | 28 | 優(yōu) | 1 |
3 | 2018-01-04 | 0℃ | -8℃ | 陰 | 東北風(fēng) | 1-2級(jí) | 28 | 優(yōu) | 1 |
4 | 2018-01-05 | 3℃ | -6℃ | 多云~晴 | 西北風(fēng) | 1-2級(jí) | 50 | 優(yōu) | 1 |
# 替換掉溫度的后綴℃ df.loc[:, "bWendu"] = df["bWendu"].str.replace("℃", "").astype('int32') df.loc[:, "yWendu"] = df["yWendu"].str.replace("℃", "").astype('int32')
使用dataframe條件表達(dá)式查詢
最低溫度低于-10度的列表
df[df["yWendu"] < -10].head()
ymd | bWendu | yWendu | tianqi | fengxiang | fengli | aqi | aqiInfo | aqiLevel | |
---|---|---|---|---|---|---|---|---|---|
22 | 2018-01-23 | -4 | -12 | 晴 | 西北風(fēng) | 3-4級(jí) | 31 | 優(yōu) | 1 |
23 | 2018-01-24 | -4 | -11 | 晴 | 西南風(fēng) | 1-2級(jí) | 34 | 優(yōu) | 1 |
24 | 2018-01-25 | -3 | -11 | 多云 | 東北風(fēng) | 1-2級(jí) | 27 | 優(yōu) | 1 |
359 | 2018-12-26 | -2 | -11 | 晴~多云 | 東北風(fēng) | 2級(jí) | 26 | 優(yōu) | 1 |
360 | 2018-12-27 | -5 | -12 | 多云~晴 | 西北風(fēng) | 3級(jí) | 48 | 優(yōu) | 1 |
復(fù)雜條件查詢
注意,組合條件用&符號(hào)合并,每個(gè)條件判斷都得帶括號(hào)
## 查詢最高溫度小于30度,并且最低溫度大于15度,并且是晴天,并且天氣為優(yōu)的數(shù)據(jù) df[ (df["bWendu"]<=30) & (df["yWendu"]>=15) & (df["tianqi"]=='晴') & (df["aqiLevel"]==1)]
ymd | bWendu | yWendu | tianqi | fengxiang | fengli | aqi | aqiInfo | aqiLevel | |
---|---|---|---|---|---|---|---|---|---|
235 | 2018-08-24 | 30 | 20 | 晴 | 北風(fēng) | 1-2級(jí) | 40 | 優(yōu) | 1 |
249 | 2018-09-07 | 27 | 16 | 晴 | 西北風(fēng) | 3-4級(jí) | 22 | 優(yōu) | 1 |
使用df.query可以簡(jiǎn)化查詢
形式:DataFrame.query(expr, inplace=False, **kwargs)
其中expr為要返回boolean結(jié)果的字符串表達(dá)式
形如:
- df.query(‘a<100’)
- df.query(‘a < b & b < c’),或者df.query(’(a<b)&(b<c)’)
df.query可支持的表達(dá)式語法:
- 邏輯操作符: &, |, ~
- 比較操作符: <, <=, ==, !=, >=, >
- 單變量操作符: -
- 多變量操作符: +, -, *, /, %
df.query中可以使用@var的方式傳入外部變量
df.query支持的語法來自NumExpr,地址:
https://numexpr.readthedocs.io/projects/NumExpr3/en/latest/index.html
查詢最低溫度低于-10度的列表
df.query("yWendu < 3").head(3)
ymd | bWendu | yWendu | tianqi | fengxiang | fengli | aqi | aqiInfo | aqiLevel | |
---|---|---|---|---|---|---|---|---|---|
0 | 2018-01-01 | 3 | -6 | 晴~多云 | 東北風(fēng) | 1-2級(jí) | 59 | 良 | 2 |
1 | 2018-01-02 | 2 | -5 | 陰~多云 | 東北風(fēng) | 1-2級(jí) | 49 | 優(yōu) | 1 |
2 | 2018-01-03 | 2 | -5 | 多云 | 北風(fēng) | 1-2級(jí) | 28 | 優(yōu) | 1 |
查詢最高溫度小于30度,并且最低溫度大于15度,并且是晴天,并且天氣為優(yōu)的數(shù)據(jù)
## 查詢最高溫度小于30度,并且最低溫度大于15度,并且是晴天,并且天氣為優(yōu)的數(shù)據(jù) df.query("bWendu<=30 & yWendu>=15 & tianqi=='晴' & aqiLevel==1")
ymd | bWendu | yWendu | tianqi | fengxiang | fengli | aqi | aqiInfo | aqiLevel | |
---|---|---|---|---|---|---|---|---|---|
235 | 2018-08-24 | 30 | 20 | 晴 | 北風(fēng) | 1-2級(jí) | 40 | 優(yōu) | 1 |
249 | 2018-09-07 | 27 | 16 | 晴 | 西北風(fēng) | 3-4級(jí) | 22 | 優(yōu) | 1 |
查詢溫差大于15度的日子
df.query("bWendu-yWendu >= 15").head()
ymd | bWendu | yWendu | tianqi | fengxiang | fengli | aqi | aqiInfo | aqiLevel | |
---|---|---|---|---|---|---|---|---|---|
68 | 2018-03-10 | 14 | -2 | 晴 | 東南風(fēng) | 1-2級(jí) | 171 | 中度污染 | 4 |
82 | 2018-03-24 | 22 | 5 | 晴 | 西南風(fēng) | 1-2級(jí) | 119 | 輕度污染 | 3 |
83 | 2018-03-25 | 24 | 7 | 晴 | 南風(fēng) | 1-2級(jí) | 78 | 良 | 2 |
84 | 2018-03-26 | 25 | 7 | 多云 | 西南風(fēng) | 1-2級(jí) | 151 | 中度污染 | 4 |
85 | 2018-03-27 | 27 | 11 | 晴 | 南風(fēng) | 1-2級(jí) | 243 | 重度污染 | 5 |
可以使用外部的變量
# 查詢溫度在這兩個(gè)溫度之間的數(shù)據(jù) high_temperature = 15 low_temperature = 13
df.query("yWendu<=@high_temperature & yWendu>=@low_temperature").head()
ymd | bWendu | yWendu | tianqi | fengxiang | fengli | aqi | aqiInfo | aqiLevel | |
---|---|---|---|---|---|---|---|---|---|
107 | 2018-04-18 | 27 | 14 | 多云~晴 | 西南風(fēng) | 3-4級(jí) | 147 | 輕度污染 | 3 |
108 | 2018-04-19 | 26 | 13 | 多云 | 東南風(fēng) | 4-5級(jí) | 170 | 中度污染 | 4 |
109 | 2018-04-20 | 28 | 14 | 多云~小雨 | 南風(fēng) | 4-5級(jí) | 164 | 中度污染 | 4 |
116 | 2018-04-27 | 25 | 13 | 晴 | 西南風(fēng) | 3-4級(jí) | 112 | 輕度污染 | 3 |
119 | 2018-04-30 | 24 | 14 | 多云 | 南風(fēng) | 3-4級(jí) | 62 | 良 | 2 |
到此這篇關(guān)于Pandas查詢數(shù)據(jù)df.query的使用的文章就介紹到這了,更多相關(guān)Pandas查詢數(shù)據(jù)df.query 內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
DataFrame.to_excel多次寫入不同Sheet的實(shí)例
今天小編就為大家分享一篇DataFrame.to_excel多次寫入不同Sheet的實(shí)例,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-12-12python文本數(shù)據(jù)處理學(xué)習(xí)筆記詳解
這篇文章主要為大家詳細(xì)介紹了python文本數(shù)據(jù)處理學(xué)習(xí)筆記,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2019-06-06Python代碼覆蓋率統(tǒng)計(jì)工具coverage.py用法詳解
這篇文章主要介紹了Python代碼覆蓋率統(tǒng)計(jì)工具coverage.py用法詳解,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-11-11Python基于checksum計(jì)算文件是否相同的方法
這篇文章主要介紹了Python基于checksum計(jì)算文件是否相同的方法,涉及Python針對(duì)二進(jìn)制文件的讀取與判定技巧,需要的朋友可以參考下2015-07-07Python實(shí)現(xiàn)圖片查找輪廓、多邊形擬合、最小外接矩形代碼
這篇文章主要介紹了Python實(shí)現(xiàn)圖片查找輪廓、多邊形擬合、最小外接矩形代碼,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-07-07windows安裝TensorFlow和Keras遇到的問題及其解決方法
這篇文章主要介紹了windows安裝TensorFlow和Keras遇到的問題及其解決方法,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2019-07-07Python 使用 docopt 解析json參數(shù)文件過程講解
這篇文章主要介紹了Python 使用 docopt 解析json參數(shù)文件過程講解,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08在python3.64中安裝pyinstaller庫的方法步驟
這篇文章主要介紹了在python3.64中安裝pyinstaller庫的方法步驟,文中通過示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-06-06