Pandas数据查询的集中如何实现
导读:本文共1771字符,通常情况下阅读需要6分钟。同时您也可以点击右侧朗读,来听本文内容。按键盘←(左) →(右) 方向键可以翻页。
摘要: 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,... ...
音频解说
目录
(为您整理了一些要点),点击可以直达。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
importpandasaspddf=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())exceptWarningasdw:#print(dw)pass
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]))
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']])
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'])
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,:])
5、调用函数查询
#调用函数查询print(df.loc[lambdadf:(df["最高气温"]<20)&(df["最低气温"]>=0),:])
</div> <div class="zixun-tj-product adv-bottom"></div> </div> </div> <div class="prve-next-news">
本文:
Pandas数据查询的集中如何实现的详细内容,希望对您有所帮助,信息来源于网络。