Pandas中的五种数据查询方法

2024-07-10 09:55| 来源: 网络整理| 查看: 265

Pandas查询数据 Pandas查询数据的几种方法

1.df.loc方法，根据行、列的标签值查询

2. df.iloc方法，根据行、列的数字位置查询

3. df.where方法

4. 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

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

·以上查询方法，既适用于行，也适用于列·注意观察降维dataFrame>Series>值 import pandas as pd 1、读取数据

北京2018年全年天气预报

df=pd.read_csv('./datas/beijing_tianqi/beijing_tianqi_2018.csv',index_col='ymd') df.head() df.index

设置索引为日期，方便按日期筛选 inplace=True 表示直接在原存储空间上进行更改，不是重新开辟一块空间进行更改

#设置索引为日期，方便按日期筛选 #inplace=True 表示直接在原存储空间上进行更改，不是重新开辟一块空间进行更改 df.set_index('ymd',inplace=True) df.head()

替换掉温度后的℃ 其实还是使用切片操作，首先筛选出所有的行，在筛选出yWendu中一列,带着类型replace修改完之后，在对修改后的类型进行转换

df.loc[:,'bWendu']=df['bWendu'].str.replace('℃','').astype('int32') df.loc[:,'yWendu']=df['yWendu'].str.replace('℃','').astype('int32') df.head() df.dtypes

值得注意的是：

AttributeError: Can only use .str accessor with string values!这种错误一般都是修改完之后了，不能在进行修改，说明已经修改过了

1、使用单个label值查询数据¶

行或列，都可以只传入单个值，实现精确匹配

查询一个单元格，只会返回一个数字值

#查询一个单元格，只会返回一个数字值 df.loc['2018-01-01','bWendu']

对于列的筛选，会产生一列，得到一个Series

#对于列的筛选，会产生一列，得到一个Series df.loc['2018-01-01',['bWendu','yWendu']]

2、使用值列表批量查询

得到Series

#得到Series df.loc[['2018-01-02','2018-01-03','2018-01-04'],'bWendu']

得到DataFrame

#得到DataFrame df.loc[['2018-01-02','2018-01-03','2018-01-04'],['bWendu','yWendu']]

3、使用数值区间进行范围查询

注意：区间既包括开始，也包括结束

行index按区间,切片操作的时候不用加双【】

列index按区间

行和列都按区间查询

#行index按区间,切片操作的时候不用加双【】 df.loc['2018-01-03':'2018-01-05','bWendu'] #列index按区间 df.loc['2018-01-03','bWendu':'fengxiang'] #行和列都按区间查询 df.loc['2018-01-03':'2018-01-05','bWendu':'fengxiang']

4、使用条件表达式查询¶

bool列表的长度等于行数或者列数

简单条件查询，最低温度低于-10度的列表

#简单条件查询，最低温度低于-10度的列表 df.loc[df['yWendu']

【本文地址】

公司简介

联系我们