dataframe操作查询

本文涉及的产品
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
EMR Serverless StarRocks,5000CU*H 48000GB*H
简介: Pandas提供了多种查询方法,以下是一些常见的方法:使用df.loc方法,根据行、列的标签值查询。使用df.iloc方法,根据行、列的数字位置查询。使用df.where方法,根据条件过滤数据。使用df.query方法,根据字符串表达式查询数据。

Pandas提供了多种查询方法,以下是一些常见的方法:

使用df.loc方法,根据行、列的标签值查询。
使用df.iloc方法,根据行、列的数字位置查询。
使用df.where方法,根据条件过滤数据。
使用df.query方法,根据字符串表达式查询数据。
以下是一些使用Pandas查询的示例代码:

使用df.loc方法,根据行、列的标签值查询。

import pandas as pd

# 创建DataFrame
data = {
   'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)

# 根据行、列的标签值查询
print(df.loc[1])  # 输出第2行数据
print(df.loc[:, 'age'])  # 输出所有行的'age'列数据

使用df.iloc方法,根据行、列的数字位置查询。

import pandas as pd

# 创建DataFrame
data = {
   'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)

# 根据行、列的数字位置查询
print(df.iloc[1])  # 输出第2行数据
print(df.iloc[:, 1])  # 输出所有行的'age'列数据

使用df.where方法,根据条件过滤数据。

import pandas as pd

# 创建DataFrame
data = {
   'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)

# 根据条件过滤数据
df_filtered = df.where(df['age'] > 30)
print(df_filtered)

使用df.query方法,根据字符串表达式查询数据

import pandas as pd

# 创建DataFrame
data = {
   'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35], 'gender': ['F', 'M', 'M']}
df = pd.DataFrame(data)

# 根据字符串表达式查询数据
print(df.query("age > 30"))
相关文章
|
6月前
|
机器学习/深度学习 Python
pandas将dataframe列中的list转换为多列
在应用机器学习的过程中,很大一部分工作都是在做数据的处理,一个非常常见的场景就是将一个list序列的特征数据拆成多个单独的特征数据。
130 0
dataframe获取指定列
dataframe获取指定列
773 0
|
SQL 数据挖掘 数据处理
DataFrame(4):DataFrame的创建方式
DataFrame(4):DataFrame的创建方式
DataFrame(4):DataFrame的创建方式
|
2月前
|
数据采集 机器学习/深度学习 数据处理
DataFrame 操作
DataFrame 操作
96 1
|
6月前
|
人工智能 程序员 数据处理
Pandas数据处理2、DataFrame的drop函数具体参数使用详情
Pandas数据处理2、DataFrame的drop函数具体参数使用详情
88 0
|
Python
条件选取数据dataframe
在pandas中,可以使用`merge`函数将两个dataframe合并在一起,然后使用`query`函数根据指定的条件选取数据。以下是一个例子:
93 0
|
Python
【一日一技】超简单的Pandas数据筛选方法
【一日一技】超简单的Pandas数据筛选方法
137 0
Pandas groupby分组后求各组行数
Pandas groupby分组后求各组行数
Pandas groupby分组后求各组行数
|
SQL 分布式计算 大数据
DataFrame 介绍_操作 | 学习笔记
快速学习 DataFrame 介绍_操作
159 0
DataFrame 介绍_操作 | 学习笔记
|
Serverless 索引 Python
如何查看 Series、DataFrame 对象的数据
我们可以使用 head() 和 tail() 方法来查看 Series 对象或 DataFrame 对象的一小部分数据,默认查看的元素个数为 5 个,head() 展示头部的 5 个元素,tail() 展示尾部的 5 个元素,也可以自定义展示的元素个数。当 Series 对象或 DataFrame 对象包含的数据较多时,使用 head() 或 tail() 查看数据的结构会非常方便。
131 0