使用pandas对数据进行筛选,pandas 查找数据
在数据分析过程中,通常需要对数据进行清洗和处理,比较重要和常见的操作是对数据进行过滤和查询。下面这篇文章主要介绍如何使用熊猫来查询和选择数据的相关信息,有需要的朋友可以参考一下。
00-1010I、熊猫查询数据的几种方法二、熊猫用df.loc方法查询数据df[]df.loc方法查询df.iloc方法查询汇总
目录
Df[]是按行和列选择的。在这种情况下,一次只能选择行或列的df.loc方法。df.iloc方法可以根据行和列的标签值进行查询,df.query方法可以根据行和列的数字位置进行定位。
一,Pandas查询数据的几种方法
使用单个标签值进行数据查询,使用值列表进行批量查询,使用数值区间进行范围查询,以及使用条件表达式查询调用函数进行注意查询。
上述查询方法对行和列都适用。
##########################################
二,Pandas使用df.loc查询数据的方法
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
一个0.499404 0.082137 0.472568 0.64900 0.12168861
b 0.564688 0.102398 0.374904 0.091373 0.495510
c 0.319272 0.720225 0.979103 0.910206 0.7666666665
d 0.478346 0.311616 0.466326 0.045612 0.258015
e 0.421653 0.577140 0.103048 0.235219 0.555555536
##########################################
#获取列c1和c2
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
E 0.421653 0.577140
##########################################
#获取c1列
df.c1
df.c1
A 0.499404
B 0.564688
C 0.319272
D 0.478346
E 0.421653
名称: c1,类型:浮动64
##########################################
#获取索引A-C行的数据
df[A:C]
df[A:C]
c1 c2 c3 c4 c5
一个0.499404 0.082137 0.472568 0.64900 0.12168861
b 0.564688 0.102398 0.374904 0.091373 0.49
5510
C 0.319272 0.720225 0.979103 0.910206 0.766642
##########################################
#获取2-3行数据
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方法查询
1、使用数值区间进行范围查询
有点类似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、单个label值查询
类似坐标查询
>>> df.loc[A,c2]0.08213716245372071
##########################################
3、使用列表批量查询
>>> 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、使用条件表达式查询
>>> 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、使用函数查询
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方法查询
同df.loc类似,根据索引定位
#提取2-3行,1-2列数据
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列数据
df.iloc[[1,2],[3]]
c4B 0.091373
C 0.910206
##########################################
#提取指定位置单个数值
df.iloc[3,4]
>>> df.iloc[3,4]0.2580148841605816
总结
到此这篇关于如何利用Pandas查询选取数据的文章就介绍到这了,更多相关Pandas查询选取数据内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。