Pandas使用query()优雅的查询实例
本文介绍Pandas中query()函数的优雅用法，涵盖基础筛选、多条件组合、外部变量引用、多级索引处理及特殊字符列名处理。通过对比常规写法，展示query()在代码简洁性与内存效率上的优势，帮助开发者提升数据查询效率。
在使用Pandas根据特定条件提取数据时，许多用户都能熟练编写相应的代码。然而，如果你尚未尝试过query()方法，其简洁直观的特性可能会让你印象深刻。
常规用法
首先，我们需要构建一个DataFrame对象。
import pandas as pd
df = pd.DataFrame(
{'A': ['e', 'd', 'c', 'b', 'a'],
'B': ['f', 'b', 'c', 'd', 'e'],
'C': range(0, 10, 2),
'D': range(10, 0, -2),
'E.E': range(10, 5, -1)})接下来，我们的目标是筛选出A列中的字母同时出现在B列中的所有行。这里先展示两种常见的实现方式。
>>> df[df['A'].isin(df['B'])]
A B C D E.E
0 e f 0 10 10
1 d b 2 8 9
2 c c 4 6 8
3 b d 6 4 7
>>> df.loc[df['A'].isin(df['B'])]
A B C D E.E
0 e f 0 10 10
1 d b 2 8 9
2 c c 4 6 8
3 b d 6 4 7随后，我们使用query()方法来实现相同的功能。
>>> df.query("A in B")
A B C D E.E
0 e f 0 10 10
1 d b 2 8 9
2 c c 4 6 8
3 b d 6 4 7对比可见，使用query()后的代码不仅更加简洁易读，而且在内存消耗方面通常也更优。
多条件查询
现在，我们需要筛选出满足两个条件的行：A列字母出现在B列中，且C列的值小于D列。
>>> df.query('A in B and C < D')
A B C D E.E
0 e f 0 10 10
1 d b 2 8 9
2 c c 4 6 8需要注意的是，逻辑与操作符and也可以用符号&来替代。
引用变量
在query表达式中，我们可以直接引用外部定义的变量，只需在变量名前加上@符号即可。
>>> number = 5
>>> df.query('A in B & C > @number')
A B C D E.E
3 b d 6 4 7索引选取
本例旨在筛选出A列字母出现在B列中，且索引值大于2的所有行。
>>> df.query('A in B and index > 2')
A B C D E.E
3 b d 6 4 7多索引选取
首先，创建一个具有两层索引的DataFrame。
>>> import numpy as np
>>> colors = ['yellow']*3 + ['red']*2
>>> rank = [str(i) for i in range(5)]
>>> index = pd.MultiIndex.from_arrays([colors, rank], names=['color', 'rank'])
>>> df = pd.DataFrame(np.arange(10).reshape(5, 2),columns=['A', 'B'] , index=index)
>>> df = pd.DataFrame(np.arange(10).reshape(5, 2),columns=['A', 'B'] , index=index)
>>> df
A B
color rank
yellow 0 0 1
1 2 3
2 4 5
red 3 6 7
4 8 91. 当多层索引具有名称时，可以直接通过索引名称进行选取。
>>> df.query("color == 'red'")
A B
color rank
red 3 6 7
4 8 92. 当多层索引没有名称时，可以通过索引级别（如ilevel_0, ilevel_1）进行选取。
>>> df.index.names = [None, None]
>>> df.query("ilevel_0 == 'red'")
A B
red 3 6 7
4 8 9
>>> df.query("ilevel_1 == '4'")
A B
red 4 8 9特殊字符
如果列名中包含空格或其他运算符等特殊符号，必须使用反引号``将列名包裹起来。
>>> df.query('A == B | (C + 2 > `E.E`)')
A B C D E.E
2 c c 4 6 8
3 b d 6 4 7
4 a e 8 2 6总体而言，query()函数的用法相对简单，易于快速上手，并能显著提升代码的可读性。
至此，关于Pandas使用query()进行优雅查询的实例介绍完毕。如需了解更多相关Pandas query()查询内容，建议搜索本站历史文章或继续浏览后续相关文章，感谢大家的支持！
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
