【贈書福利】Pandas實用技能,數(shù)據(jù)篩選query函數(shù)詳細介紹
Pandas 可以說是 在Python數(shù)據(jù)科學領域應用最為廣泛的工具之一。
Pandas是一種高效的數(shù)據(jù)處理庫，它以 dataframe 和 series 為基本數(shù)據(jù)類型，呈現(xiàn)出類似excel的二維數(shù)據(jù)。
在數(shù)據(jù)處理過程中，咱們經(jīng)常會用到數(shù)據(jù)篩選，Pandas 中提供了數(shù)據(jù)篩選的多種方法，這里，陽哥來給大家分享下 在Pandas中應用 query 函數(shù)來進行數(shù)據(jù)篩選。
query 函數(shù)的一般用法如下：
df.query('expression')
文中的代碼是在 Jupyter Notebook 中運行的（也可以是其他IDE），本次使用的 Pandas 版本是 1.3.0 版，如下：
import?pandas?as?pd
print(f'pandas?version:?{pd.__version__}')
#?pandas?version:?1.3.0rc1
在開始之前，先創(chuàng)建一份數(shù)據(jù)，供后續(xù)使用：
data?=?{
????'brand':['Python數(shù)據(jù)之道','價值前瞻','菜鳥數(shù)據(jù)之道','Python','Java'],
????'A':[10,2,5,20,16],
????'B':[4,6,8,12,10],
????'C':[8,12,18,8,2],
????'D':[6,18,14,6,12],
????'till?years':[4,1,1,30,30]
}
df?=?pd.DataFrame(data=data)
df
數(shù)據(jù)如下：
常用方法
篩選 "brand" 列中值為 "Python數(shù)據(jù)之道" 的行，如下：
df.query('brand?==?"Python數(shù)據(jù)之道"')
結果如下：
說明一下，上面代碼中的單引號和雙引號是可以互換的，下面的寫法，其結果也是一樣的：
df.query("?brand?==?'Python數(shù)據(jù)之道'?")
上面用 query 函數(shù)篩選數(shù)據(jù)，用下面的方法也是可以實現(xiàn)的：
df[df['brand']=="Python數(shù)據(jù)之道"]
上面是篩選字符串的值，也可以是篩選數(shù)字，如下：
通過數(shù)學表達式篩選
除了直接通過等于某個值來篩選， query 函數(shù)還支持通過數(shù)學表達式來進行數(shù)據(jù)篩選，包括 >、 <、 +、 -、 *、 / 等。
示例如下：
通過變量篩選
在程序比較長的時候，經(jīng)常會使用變量來作為篩選條件， query 函數(shù)在使用變量作為判斷標準時，通過在變量前面添加 @ 符號來實現(xiàn)，示例如下：
#?通過變量來篩選數(shù)據(jù)，在變量前使用?@?符號即可
name?=?'Python數(shù)據(jù)之道'
df.query('brand?==?@name')
列表數(shù)據(jù)篩選
當需要在某列中篩選多個符合要求的值的時候，可以通過列表（list）來實現(xiàn)，示例如下：
#?需要注意下?雙引號?和?單引號的分開使用
df.query('brand?in?["Python數(shù)據(jù)之道","價值前瞻"]')
#?df.query("brand?in?['Python數(shù)據(jù)之道','價值前瞻']")
多條件篩選
有很多情況下，咱們需要通過多個條件來篩選數(shù)據(jù)，query 函數(shù)支持多種條件的組合，
-
兩者都需要滿足的并列條件使用符號
&,或 單詞and -
只需要滿足其中之一的條件使用符號
|,或 單詞or
示例如下：
列名稱有空格的情況
當 dataframe 的列名稱中有空格或其他特殊符號的時候，需要使用 反引號（backtick mark），即鍵盤ESC鍵下面的按鍵(就是鍵盤上第二排第一個按鍵，有‘~’這個符號的按鍵) 來將列名包裹起來，示例如下：
df.query("`till?years`?<?5")
注意，如果使用單引號，將會報錯，如下：
篩選后選取數(shù)據(jù)列
在數(shù)據(jù)篩選后，還可以選擇需要的數(shù)據(jù)列，如下：
小結
以上就是關于 Pandas 中 query 函數(shù)的主要內(nèi)容介紹，應用 query函數(shù)進行數(shù)據(jù)篩選，其語言還是比較簡潔的，尤其是當條件比較多的時候，會顯得更優(yōu)雅。
比如下面的對比，假設都是三個篩選條件（假設數(shù)據(jù)量較多，符合的結果也較多）：
沒有使用query函數(shù)時
df[(df['brand']=="Python數(shù)據(jù)之道")?&?(df['A']?>2)?&?(df['C']?>4)]
可以看出上面的表達式是比較長的，略顯繁瑣。
使用query函數(shù)時
df.query("?brand?==?'Python數(shù)據(jù)之道'?&?A>2?&?C>4?")
相對來說，使用query 函數(shù)會顯得更加簡潔，如果覺得這個功能不錯，就趕緊用起來吧~~
送書啦！留言互動，點贊前 5 名送書！截止時間1月11日。
數(shù)據(jù)科學項目有很多靈活的部分，需要練習和技巧才能讓所有代碼、算法、數(shù)據(jù)集、格式和可視化協(xié)調工作。 本書將引導你完成5個真實項目，包括根據(jù)新聞標題跟蹤疾病暴發(fā)、分析社交網(wǎng)絡以及在廣告點擊數(shù)據(jù)中尋找相關模式。
本書并不止于表面理論和簡單示例。在完成每個項目時，你將學習如何解決常見問題，例如數(shù)據(jù)丟失、混亂的數(shù)據(jù)以及與構建模型不匹配的算法。你將了解詳細的設置說明和常見故障的全面解決方案。最后，通過完成這些項目，你將對自己的技能充滿信心。?