Pandas 查询示例 Pandas .query() 方法过滤数据数据帧中类似 SQL 的查询

Python 是一种用于进行数据分析的出色语言，主要是因为以数据为中心的 Python 包的奇妙生态系统。Pandas是使导入和分析数据更容易的软件包之一。

分析数据需要大量的过滤操作。Pandas 提供了许多过滤数据框的方法，它Dataframe.query()就是其中之一。

注意极客！通过Python 编程基础课程巩固您的基础并学习基础知识。

首先，您的面试准备通过Python DS课程增强您的数据结构概念。要开始您的机器学习之旅，请加入机器学习 - 基础课程

语法： DataFrame.query(expr, inplace=False, **kwargs)

参数：
expr：过滤数据的字符串形式的表达式。
就地：如果 True
kwargs：其他关键字参数，则在原始数据框中进行更改。

返回类型：过滤后的数据框

要下载使用的 CSV 文件，请单击此处。

注意： Dataframe.query()方法仅在列名没有任何空格时才有效。所以在应用该方法之前，列名中的空格被替换为“_”

示例 #1：单条件过滤

在这个例子中，数据是根据单一条件过滤的。在应用 query() 方法之前，列名中的空格已被替换为“_”。

# importing pandas package
import pandas as pd
  
# making data frame from csv file 
data = pd.read_csv("employees.csv")
  
# replacing blank spaces with '_' 
data.columns =[column.replace(" ", "_") for column in data.columns]
  
# filtering with query method
data.query('Senior_Management == True', inplace = True)
  
# display
data

输出：
如输出图像所示，数据现在只有高级管理为真的行。

示例 2：多条件过滤

在此示例中，数据帧已在多个条件下进行过滤。在应用 query() 方法之前，列名中的空格已被替换为“_”。

# importing pandas package
import pandas as pd
  
# making data frame from csv file 
data = pd.read_csv("employees.csv")
  
# replacing blank spaces with '_' 
data.columns =[column.replace(" ", "_") for column in data.columns]
  
# filtering with query method
data.query('Senior_Management == True 
            and Gender =="Male" and Team =="Marketing" 
            and First_Name =="Johnny"', inplace = True)
  
# display
data

输出：
如输出图像所示，根据应用的过滤器只返回了两行。

为什么使用查询

因为它使您能够就地创建视图和过滤器。

对于数值运算，它也比纯 python 更快。1

import pandas as pd

# using filters needs two steps
# one to assign the dataframe to a variable
df = pd.DataFrame({
    'name':['john','david','anna'],
    'country':['USA','UK',np.nan]
})

# another one to perform the filter
df[df['country']=='USA']

但是您可以在一个步骤中定义数据帧并对其进行查询（内存会立即释放，因为您没有创建任何临时变量）

# this is equivalent to the code above
# and uses no intermediate variables
pd.DataFrame({
    'name':['john','david','anna'],
    'country':['USA','UK',np.nan]
}).query("country == 'USA'")

Python变量

要在查询中引用外部变量，请使用@variable_name：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name':['john','david','anna'],
    'country':['USA','UK',np.nan],
    'age':[23,45,45]
})

target_age = 45

df.query('age == @target_age')

或运算符

只需使用or. 不要忘记括号。

import pandas as pd

df = pd.DataFrame({
    'name':['john','david','anna'],
    'country':['USA','UK', 'USA'],
    'age':[23,45,45]
})

df.query("(name=='john') or (country=='UK')")

之前：源数据框

之后：只有 name'john'
或 country 的行'UK'

AND 运算符

只需使用and. 不要忘记括号。

import pandas as pd

df = pd.DataFrame({
    'name':['john','david','anna'],
    'country':['USA','UK', 'USA'],
    'age':[23,45,45]
})

df.query("(country=='USA') and (age==23)")

包含所有行的源数据框

之后：只有一行有
country='USA'和
age =23

多重条件

有关更多示例，请参阅上面的and 运算符和或运算符

示例： AND 运算符

df.query((col1 == 1) and (col2 == 2))

示例： OR 运算符

df.query((col1 == 1) or (col2 == 2))

数组中的值

将值放入 python 数组中并使用in @myvar：

import pandas as pd

df = pd.DataFrame({
    'name':['john','david','anna'],
    'country':['USA','UK', 'USA'],
    'age':[23,45,45]
})

names_array = ['john','anna']

df.query('name in @names_array')

源数据框

名称所在的行 ['john', 'anna']

不在数组中

将值放入 python 数组中并使用not in @myvar：

import pandas as pd

df = pd.DataFrame({
    'name':['john','david','anna'],
    'country':['USA','UK', 'USA'],
    'age':[23,45,45]
})

invalid_array = ['anna']

df.query('name not in @invalid_array')

源数据框：所有行

名称不在的选定行 ['anna']

转义列名

要转义特殊字符（例如空格），请将列名称括在反引号中：'`'

df = pd.DataFrame({
    'name':['john','david','anna'],
    'country of birth':['USA','UK', 'USA'],
    'age':[23,45,45]
})

df.query('`country of birth` == "UK"')

Source dataframe: one of the column
names has spaces in it

Selected rows where
country of origin equals 'UK'

Is null

To filter the dataframe where a column value is NULL, use .isnull()

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name':['john','david','anna'],
    'country':['USA','UK',np.nan]
})

df.query('country.isnull()')

Original Dataframe

Equivalent to:
"where country is NULL"

Is not null

Use .notnull()

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name':['john','david','anna'],
    'country':['USA','UK',np.nan]
})

df.query('country.notnull()')

Original Dataframe

Equivalent to:
"where country is NOT NULL"

Like

Although like is not supported as a keyword in query, we can simulate it using col.str.contains("pattern"):

import pandas as pd

df = pd.DataFrame({
    'col1':['foo','bar','baz','quux']
})

df.query('col1.str.contains("ba")')

Source dataframe

Result: filter where col1 matches "ba"

1 It uses numexpr under the hood: https://github.com/pydata/numexpr