Pandas数据查询的集中实现方法

时间:2023-03-23 柒月烈阳人气:0

Pandas查询数据的几种方法

df.loc方法，根据行、列的标签值查询
df.iloc方法，根据行、列的数字位置查询
df.where方法
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

使用单个label值查询数据
使用值列表批量查询
使用数值区间进行范围查询
使用条件表达式查询
调用函数查询

以上查询方法，既使用与行，也适用于列

降维：DataFrame>Series>值

0、进行数据预处理

import pandas as pd

df = pd.read_csv("E:\Python\dataAnalysis\spider\dataFile\weatherData.csv")
# 设置索引为日期
df.set_index("日期", inplace=True)
# print(df.index)
print(df.head())
# 对最高气温和最低气温进行数值改变
try:
    df.loc[:, "最高气温"] = df["最高气温"].str.replace("℃", "").astype("int32")
    df.loc[:, "最低气温"] = df["最低气温"].str.replace("℃", "").astype("int32")
    print(df.head())
except Warning as dw:
    # print(dw)
    pass

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7QxKZpwB-1677415727650)(file://C:\Users\82391\AppData\Roaming\marktext\images\2023-02-24-16-05-17-image.png?msec=1677399444378)]$

1、使用单个label值查询数据

行或者列，都可以只传入单个值，实现精确匹配

# 使用单个label值查询数据
print(df.loc['2022-12-05 星期一', ['天气', '风向']])
print(type(df.iloc[12]))

在这里插入图片描述

2、使用值列表批量查询

# 使用值列表批量查询
print(df.loc[['2022-12-04 星期日', '2022-12-05 星期一']])

在这里插入图片描述

3、使用数值区间进行范围查询

区间：包含开始，也包含结束

# 使用数值区间进行范围查询
print(df.loc['2022-12-04 星期日':'2022-12-07 星期二', '最高气温':'天气'])

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Hz1fbXlu-1677415727653)(file://C:\Users\82391\AppData\Roaming\marktext\images\2023-02-24-17-22-29-image.png?msec=1677399444379)]$

4、使用条件表达式查询

bool列表的长度得等于行数或者列数

# 使用条件表达式查询
print(df.loc[df["最高气温"] > 7, :])

在这里插入图片描述

5、调用函数查询

# 调用函数查询
print(df.loc[lambda df: (df["最高气温"] < 20) & (df["最低气温"] >= 0), :])

加载全部内容