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 ...

Pandas query 的用法， df.query

Pandas

df.query

Pandas query 的用法， df.query相关推荐

最新文章

热门文章