Pandas query 的用法, df.query
转载自:https://blog.csdn.net/tcy23456/article/details/85887334
Pandas
df.query
今天看到了query的用法,被这个函数的简洁所折服…
df.query(expr,inplace = False,** kwargs )# 使用布尔表达式查询帧的列参数:
# expr:str要评估的查询字符串。你可以在环境中引用变量,在它们前面添加一个'@'字符 。@a + b
# inplace=False:是否修改数据或返回副本
# kwargs:dict关键字参数返回:DataFrame注意:
# 默认修改Python语法'&'/'and'和'|'/'or'位运算符优先级高于布尔表达式,不同于Python
# 关键字参数parser='python'执行Python评估。
# engine='python' 用Python本身作为后端来传递评估表达式。不建议效率低。# 默认实例df.index和 df.columns属性 DataFrame放在查询命名空间中,
# 这允许您将框架的索引和列视为框架中的列。标识符index用于帧索引;
# 您还可以使用索引的名称在查询中标识它。
性能:# 涉及NumPy数组或Pandas DataFrames的复合表达式都会导致隐式创建临时数组# eval/query用在数据(df.values.nbytes>1万)性能提升明显;传统方法在小数组时运行得更快;# eval/query好处主要时节省内存,以及有时候简洁得语法# 可用指定不同解析器和引擎来运行这些查询;参见"Enhancing Performance" 。
- *实例1
df = pd.DataFrame(np.arange(12).reshape(3, 4), columns=list('ABCD'))A B C D
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11# 实例1.1:python,numexpr 方式比较
result1 = df[(df.A < 8) & (df.B < 9)] #python方式
result2 = pd.eval('df[(df.A < 8) & (df.B < 9)]')#numexpr 方式np.allclose(result1, result2) # True# 实例1.2:eval,query,比较
# 相同点:计算表达式结果
# 不同点:eval若表达式为逻辑,结果返回bool数组;query则返回bool数组的数据import numexprresult3= df[df.eval('A<8 & B<9')]
result4 = df.query('A < 8 and B < 9')
result3.equals(result4) #True 结果result1==result2==result3==result4a=df.A;b=df.B
result5= df[numexpr.evaluate('(a<8) &(b < 9)')]#等效;表达式不能含df.A
- 实例2
# 实例2:@符合来标记本地变量
Cmean = df['C'].mean() #6.0
result1 = df[(df.A < Cmean) & (df.B < Cmean)]
result1 = df.query('A < @Cmean and B < @Cmean')#等价
result1A B C D
0 0 1 2 3
1 4 5 6 7
- 实例3:多索引
# 实例3.1:列名
df.query('(A < B) & (B < C)') #numexpr 方式 A,B,C为列名# 实例3.2:单索引名+列名
df.query('a < B and B < C') #a为单索引名,B,C为列名
df.query('index < B < C') #index为单索引(非索引名),B,C为列名# 实例3.3:单索引名a与列名a相同
df.query('a > 2') # 用列'a',单索引名a与列名a相同列名称优先
df.query('index > 2') #index为单索引(非索引名),单索引名a与列名a相同列名称优先# 实例3.4:列名为index- 应该考虑将列重命名
df.query('ilevel_0 > 2') #ilevel_0为单索引(非索引名)
- 实例4:多索引MultiIndex
colors = np.random.choice(['red', 'blue'], size=6)
foods = np.random.choice(['eggs', 'meat'], size=6)
index = pd.MultiIndex.from_arrays([colors, foods], names=['color', 'food'])
df = pd.DataFrame(np.arange(12).reshape(6, 2), index=index)
df0 1
color food
blue meat 0 1eggs 2 3meat 4 5
red meat 6 7
blue meat 8 9eggs 10 11# 实:4.1:索引名
df.query('color == "red"')# 实例4.2:索引无名称
df.index.names = [None, None]
df.query('ilevel_0 == "red"') #ilevel_0第0级的索引级别
df.query('ilevel_1 == "meat"')#ilevel_1第1级的索引级别
- 实例5:多数据df - 具有相同列名(或索引级别/名称)
df1 = pd.DataFrame(np.arange(12).reshape(4,3), columns=list('abc'))+10
df2=df1+10expr = '19 <= a <= c <= 22'
result=list(map(lambda frame: frame.query(expr), [df1, df2]))# df1 df2 resulta b c a b c [ a b c
0 10 11 12 0 20 21 22 3 19 20 21,
1 13 14 15 1 23 24 25 a b c
2 16 17 18 2 26 27 28 0 20 21 22]
3 19 20 21 3 29 30 31
- 实例6:Python与pandas语法比较
# 完全类似numpy的语法# 实例6.1:比较运算符,逻辑运算符
df = pd.DataFrame(np.random.randint(10, size=(10, 3)), columns=list('ABC'))df.query('(A< B) & (B< C)')
df[(df.A < df.B) & (df.B < df.C)]
df.query('A< B & B < C')
df.query('A< B and B < C')
df.query('A < B < C') #全部等价============================================================
# 实例6.2:==操作符与list对象的特殊用法
# ==/ !=工程,以类似in/not indf.query('b == ["a", "b", "c"]')==df[df.b.isin(["a", "b", "c"])]df.query('c == [1, 2]')
df.query('c != [1, 2]')# using in/not in
df.query('[1, 2] in c')
df.query('[1, 2] not in c')
df[df.c.isin([1, 2])]# pure Python
============================================================
# 实例6.3:in与not in
df = pd.DataFrame({'a': list('abcdef'), 'b': list('fedfed'),'c': 5, 'd':5})a b c d
0 a f 5 5
1 b e 5 5
2 c d 5 5
3 d f 5 5
4 e e 5 5
5 f d 5 5df.query('a in b and c < d') #与其他表达式结合获得非常简洁查询
df[df.b.isin(df.a) & (df.c < df.d)]result1=df[df.a.isin(df.b)]
result2=df.query('a not in b')
result3=df[~df.a.isin(df.b)] # pure Python# result1 result2 result3a b c d a b c d a b c d
3 d f 5 5 0 a f 5 5 0 a f 5 5
4 e e 5 5 1 b e 5 5 1 b e 5 5
5 f d 5 5 2 c d 5 5 2 c d 5 5============================================================
# 实例6.4:布尔运算符not或~运算符否定布尔表达式df = pd.DataFrame(np.arange(9).reshape(3,3), columns=list('ABC'))
df['bools'] = df.eval('C>=5')result1=df.query('not bools')
result2=(df.query('not bools') == df[~df.bools])# df result1 result2A B C bools A B C bools A B C bools
0 0 1 2 False 0 0 1 2 False 0 True True True True
1 3 4 5 True
2 6 7 8 True # 复杂表达式:
df.query('A < B< C and (not bools) or bools > 2') #短查询语法
df[(df.A < df.B) & (df.B < df.C) & (~df.bools) | (df.bools > 2)]#等效于纯Python
Pandas query 的用法, df.query相关推荐
- query_data函数C语言代码,pandas 查询函数query的用法说明
query() 函数简介 pandas的query()方法是基于DataFrame列的计算代数式,对于按照某列的规则进行过滤的操作,可以使用query方法. 代码示例 import pandas as ...
- 数据分析实例——美国加州人口分析[isnull().any()/.unique()/merge/set_index/df.query/sort_values]
一.准备好数据集 二.需求分析 案例分析:美国各州人口数据分析 作业知识补充 首先导入文件,并查看数据样本 合并pop与abbrevs两个DataFrame,分别依据state/region列和abb ...
- Hibernate中的核心接口query接口用法
Query是Hibernate的查询接口,用于从数据存储源查询对象及控制执行查询的过程,Query包装了一个HQL查询语句. Query接口的用法: 通过SessionFactory获得了sessio ...
- Query $.each用法
Query $.each用法 以下内容非原创,来自百度文库http://wenku.baidu.com/view/4796b6145f0e7cd18425368e.html 通过它,你可以遍历对象.数 ...
- 【转】MongoDB C# / .NET Driver 中IMongoQuery的内部实现Query的用法
MongoDB是一个介于关系数据库和非关系数据库之间的产品,是非关系数据库当中功能最丰富,最像关系数据库的.他支持的数据结构非常松散,是类似 json的bjson格式,因此可以存储比较复杂的数据类型. ...
- springboot 整合mongoTemplate的 Query Criteria 用法
1.通过注解注入 mongoTemplate @Autowired private MongoTemplate mongoTemplate; 2.获取Query 和 Criteria 对象 Quer ...
- python pandas 分类汇总用法_python之pandas用法大全
一.生成数据表 1.首先导入pandas库,一般都会用到numpy库,所以我们先导入备用: import numpy as np import pandas as pd 2.导入CSV或者xlsx文件 ...
- Elasticsearch: Query string与Simple query string
文章目录 1.Query string 1.1 举例 1.2 query_string根一级参数 1.3 查询字符串语法 1.4 proximity query(临近搜索) 1.5 Range(范围) ...
- pandas.get_dummies函数用法详细解答(实践)
pandas.get_dummies函数用法详细解答(实践) pandas.get_dummies函数用法详细解答(实践)_skywf的博客-CSDN博客 one-hot encoding one-h ...
- pandas中diff用法
pandas中diff用法 Series.diif(periods=1) 计算Series中的元素与Series中另一个元素的差值(默认为上一行中的元素). 参数periods表示元素之间做差间隔 举 ...
最新文章
- pycharm Enable Live Templates的作用
- Visual Studio中检测内存泄漏的方法(一)
- Apache2.4开启php
- mysql默认乐观锁悲观锁_MySQL中悲观锁和乐观锁到底是什么?-阿里云开发者社区...
- 【边缘检测】BDCN:Bi-Directional Cascade Network for Perceptual Edge Detection
- 一个小厂前端 Leader 如何筛选候选人?
- 用java程序实现记单词_java实现背单词程序
- java查询线程状态命令_JAVA 线程死锁,以及linux 命令和jstack 命令 查看线程死锁状态信息...
- Redis源码解析(1)——源码目录介绍
- mysql测试事务_MySQL事务测试
- Phalanger 【Php on .net】
- LoadRunner 录制常见错误解决方法
- 计算机信息管理自荐信个人简历,计算机信息专业英文自荐信
- 计算机组成原理——第一章
- 《Orange'S:一个操作系统的实现》与上一版之比较
- isis软件添加源代码c语言,ProteusISIS和Keil软件入门学习..doc
- Swift 数组遍历 ForEach .enumerated() makeIterator() indices
- 什么是PLC可编程控制器,理论基础知识讲解QY-KC801
- CTS、CLS、CLR分别作何解释
- 2022开源社区app源码多端圈子社区论坛系统