Pandas数据查询的集中实现方法

目录

• Pandas查询数据的几种方法
• Pandas使用df.loc查询数据的方法
• 0、进行数据预处理
• 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

本文主要介绍了Pandas数据查询的集中实现方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

Pandas查询数据的几种方法

• df.loc方法，根据行、列的标签值查询

• df.iloc方法，根据行、列的数字位置查询

• df.where方法

• df.query方法

.loc既能查询，又能覆盖写入，强烈推荐！

Pandas使用df.loc查询数据的方法

• 使用单个label值查询数据

• 使用值列表批量查询

• 使用数值区间进行范围查询

• 使用条件表达式查询

• 调用函数查询

以上查询方法，既使用与行，也适用于列

降维：DataFrame>Series>值

0、进行数据预处理

import pandas as pd
 
df = pd.read_csv("E:\Python\dataAnalysis\spider\dataFile\weatherData.csv")
# 设置索引为日期
df.set_index("日期", inplace=True)
# print(df.index)
print(df.head())
# 对最高气温和最低气温进行数值改变
try:
    df.loc[:, "最高气温"] = df["最高气温"].str.replace("℃", "").astype("int32")
    df.loc[:, "最低气温"] = df["最低气温"].str.replace("℃", "").astype("int32")
    print(df.head())
except Warning as dw:
    # print(dw)
    pass

1、使用单个label值查询数据

行或者列，都可以只传入单个值，实现精确匹配

# 使用单个label值查询数据
print(df.loc['2022-12-05 星期一', ['天气', '风向']])
print(type(df.iloc[12]))

2、使用值列表批量查询

# 使用值列表批量查询
print(df.loc[['2022-12-04 星期日', '2022-12-05 星期一']])

3、使用数值区间进行范围查询

区间：包含开始，也包含结束

# 使用数值区间进行范围查询
print(df.loc['2022-12-04 星期日':'2022-12-07 星期二', '最高气温':'天气'])

4、使用条件表达式查询

bool列表的长度得等于行数或者列数

# 使用条件表达式查询
print(df.loc[df["最高气温"] > 7, :])

5、调用函数查询

# 调用函数查询
print(df.loc[lambda df: (df["最高气温"] < 20) & (df["最低气温"] >= 0), :])

到此这篇关于Pandas数据查询的集中实现方法的文章就介绍到这了