亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

如何利用Pandas查詢選取數(shù)據(jù)

 更新時間：2022年07月05日 09:08:32   作者：Wangsh@  
在數(shù)據(jù)分析的過程中通常要對數(shù)據(jù)進行清洗與處理,而其中比較重要和常見的操作就有對數(shù)據(jù)進行篩選與查詢,下面這篇文章主要給大家介紹了關(guān)于如何利用Pandas查詢選取數(shù)據(jù)的相關(guān)資料,需要的朋友可以參考下

一，Pandas查詢數(shù)據(jù)的幾種方法

  1. df[]按行列選取，這種情況一次只能選取行或者列
  2. df.loc方法，根據(jù)行、列的標(biāo)簽值查詢
  3. df.iloc方法，根據(jù)行、列的數(shù)字位置查詢，根據(jù)索引定位
  4. df.query方法

二，Pandas使用df.loc查詢數(shù)據(jù)的方法

  1. 使用單個label值查詢數(shù)據(jù)
  2. 使用值列表批量查詢
  3. 使用數(shù)值區(qū)間進行范圍查詢
  4. 使用條件表達式查詢
  5. 調(diào)用函數(shù)查詢

注意

以上查詢方法，既適用于行，也適用于列

########################################## 

 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

##########################################  

 #獲取c1，c2兩列

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

##########################################  

#獲取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

##########################################  

#獲取索引為A-C行數(shù)據(jù)

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

##########################################  

#獲取2-3行數(shù)據(jù)

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方法查詢

1、使用數(shù)值區(qū)間進行范圍查詢

有點類似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、單個label值查詢

類似坐標(biāo)查詢

>>> df.loc['A','c2']
0.08213716245372071

##########################################  

3、使用列表批量查詢

>>> 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、使用條件表達式查詢

>>> 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、使用函數(shù)查詢

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方法查詢

同df.loc類似，根據(jù)索引定位

#提取2-3行，1-2列數(shù)據(jù)

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列數(shù)據(jù)

df.iloc[[1,2],[3]]

         c4
B  0.091373
C  0.910206

##########################################  

#提取指定位置單個數(shù)值

df.iloc[3,4]

>>> df.iloc[3,4]
0.2580148841605816

總結(jié)

到此這篇關(guān)于如何利用Pandas查詢選取數(shù)據(jù)的文章就介紹到這了,更多相關(guān)Pandas查詢選取數(shù)據(jù)內(nèi)容請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

  • Python?循環(huán)結(jié)構(gòu)詳解

    Python?循環(huán)結(jié)構(gòu)詳解

    這篇文章主要介紹了Python?循環(huán)結(jié)構(gòu)，程序的循環(huán)結(jié)構(gòu)邏輯，循環(huán)就是按照一定的條件重復(fù)的去做一件事情，當(dāng)條件不成立時就結(jié)束循環(huán)的內(nèi)容，需要的小伙伴一起和小編一起進入下面文章學(xué)習(xí)吧
    2022-02-02
  • Numpy廣播域的理解

    Numpy廣播域的理解

    本文主要介紹了Numpy廣播域的理解，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-03-03
  • 深入淺析Python字符編碼

    深入淺析Python字符編碼

    Python的字符串編碼規(guī)則一直讓我很頭疼，花了點時間研究了下，并不復(fù)雜，本文給大家介紹python字符編碼，感興趣的朋友一起學(xué)習(xí)吧
    2015-11-11
  • python 實現(xiàn)將小圖片放到另一個較大的白色或黑色背景圖片中

    python 實現(xiàn)將小圖片放到另一個較大的白色或黑色背景圖片中

    今天小編就為大家分享一篇python 實現(xiàn)將小圖片放到另一個較大的白色或黑色背景圖片中，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
    2019-12-12
  • Python3 讀、寫Excel文件的操作方法

    Python3 讀、寫Excel文件的操作方法

    這篇文章主要介紹了Python3 讀、寫Excel文件的操作方法,需要的朋友可以參考下
    2018-10-10
  • Python處理excel根據(jù)全稱自動填寫簡稱

    Python處理excel根據(jù)全稱自動填寫簡稱

    這篇文章主要為大家詳細介紹了Python處理excel根據(jù)全稱自動填寫簡稱，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下
    2021-03-03
  • VSCode配合pipenv搞定虛擬環(huán)境的實現(xiàn)方法

    VSCode配合pipenv搞定虛擬環(huán)境的實現(xiàn)方法

    這篇文章主要介紹了VSCode配合pipenv搞定虛擬環(huán)境的實現(xiàn)方法，文中通過圖文教程介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-05-05
  • python 對象和json互相轉(zhuǎn)換方法

    python 對象和json互相轉(zhuǎn)換方法

    下面小編就為大家分享一篇python 對象和json互相轉(zhuǎn)換方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-03-03
  • 全面解析python當(dāng)前路徑和導(dǎo)包路徑問題

    全面解析python當(dāng)前路徑和導(dǎo)包路徑問題

    這篇文章主要為大家介紹了python當(dāng)前路徑和導(dǎo)包路徑問題的全面解析，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪
    2023-05-05
  • python輕松過濾處理臟話與特殊敏感詞匯

    python輕松過濾處理臟話與特殊敏感詞匯

    我們開發(fā)的系統(tǒng)往往都離不開信息的處理,這些信息有的內(nèi)容非常敏感,就需要過濾掉不容許出現(xiàn)，
    2022-07-07

最新評論