国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

如何利用Pandas查詢選取數據

89542767 / 356人閱讀

　　小編寫這篇文章的主要目的，主要還是利用Pandas這門工具，去進行編程等一系列的一些操作，比如可以用來進行增刪查改等一系列的操作步驟。那么，怎么利用Pandas去查詢數據呢？下面就給大家詳細解答下。


　　一，Pandas查詢數據的幾種方法


　　df[]按行列選取，這種情況一次只能選取行或者列


　　df.loc方法，根據行、列的標簽值查詢


　　df.iloc方法，根據行、列的數字位置查詢，根據索引定位


　　df.query方法


　　二，Pandas使用df.loc查詢數據的方法


　　使用單個label值查詢數據


　　使用值列表批量查詢


　　使用數值區間進行范圍查詢


　　使用條件表達式查詢


　　調用函數查詢


　　注意


　　以上查詢方法，既適用于行，也適用于列


　　##########################################


　　df[]
　　>>>df=pd.DataFrame(np.random.rand(25).reshape([5,5]),index=['A','B','C','D','E'],columns=['c1','c2','c3','c4','c5'])
　　>>>df
　　c1 c2 c3 c4 c5
　　A 0.499404 0.082137 0.472568 0.649200 0.121681
　　B 0.564688 0.102398 0.374904 0.091373 0.495510
　　C 0.319272 0.720225 0.979103 0.910206 0.766642
　　D 0.478346 0.311616 0.466326 0.045612 0.258015
　　E 0.421653 0.577140 0.103048 0.235219 0.550336


　　##########################################


　　#獲取c1，c2兩列


　　df[['c1','c2']]
　　>>>df[['c1','c2']]
　　c1 c2
　　A 0.499404 0.082137
　　B 0.564688 0.102398
　　C 0.319272 0.720225
　　D 0.478346 0.311616
　　E 0.421653 0.577140


　　##########################################


　　#獲取c1列


　　df.c1


　　>>>df.c1
　　A 0.499404
　　B 0.564688
　　C 0.319272
　　D 0.478346
　　E 0.421653
　　Name:c1,dtype:float64


　　##########################################


　　#獲取索引為A-C行數據


　　df['A':'C']


　　>>>df['A':'C']
　　c1 c2 c3 c4 c5
　　A 0.499404 0.082137 0.472568 0.649200 0.121681
　　B 0.564688 0.102398 0.374904 0.091373 0.495510
　　C 0.319272 0.720225 0.979103 0.910206 0.766642


　　##########################################


　　#獲取2-3行數據


　　df[1:3]


　　>>>df[1:3]
　　c1 c2 c3 c4 c5
　　B 0.564688 0.102398 0.374904 0.091373 0.495510
　　C 0.319272 0.720225 0.979103 0.910206 0.766642


　　df.loc方法查詢


　　1、使用數值區間進行范圍查詢


　　有點類似list的切片


　　>>>df.loc['A':'D',:]
　　c1 c2 c3 c4 c5
　　A 0.499404 0.082137 0.472568 0.649200 0.121681
　　B 0.564688 0.102398 0.374904 0.091373 0.495510
　　C 0.319272 0.720225 0.979103 0.910206 0.766642
　　D 0.478346 0.311616 0.466326 0.045612 0.258015


　　##########################################


　　2、單個label值查詢


　　類似坐標查詢


　　>>>df.loc['A','c2']
　　0.08213716245372071


　　##########################################


　　3、使用列表批量查詢


　　>>>df.loc[['A','B','D'],['c1','c3']]
　　c1 c3
　　A 0.499404 0.472568
　　B 0.564688 0.374904
　　D 0.478346 0.466326


　　##########################################


　　4、使用條件表達式查詢


　　>>>df.loc[df['c2']>0.5,:]
　　c1 c2 c3 c4 c5
　　C 0.319272 0.720225 0.979103 0.910206 0.766642
　　E 0.421653 0.577140 0.103048 0.235219 0.550336
　　>>>df[(df['c2']>0.2)&(df['c3']<0.8)]
　　c1 c2 c3 c4 c5
　　D 0.478346 0.311616 0.466326 0.045612 0.258015
　　E 0.421653 0.577140 0.103048 0.235219 0.550336


　　##########################################


　　5、使用函數查詢


　　def query_my_data(df):
　　return((df['c3']>0.2)&(df["c4"]<0.8))
　　df.loc[query_my_data,:]
　　c1 c2 c3 c4 c5
　　B 0.845310 0.545040 0.946026 0.106405 0.984376
　　C 0.844622 0.947104 0.878854 0.377638 0.175846
　　E 0.139952 0.420424 0.364295 0.012773 0.307853


　　##########################################


　　df.iloc方法查詢


　　同df.loc類似，根據索引定位


　　#提取2-3行，1-2列數據


　　df.iloc[1:3,0:2]


　　>>>df.iloc[1:3,0:2]
　　c1 c2
　　B 0.564688 0.102398
　　C 0.319272 0.720225


　　##########################################


　　#提取第二第三行，第4列數據


　　df.iloc[[1,2],[3]]


　　c4
　　B 0.091373
　　C 0.910206

　　##########################################


　　#提取指定位置單個數值


　　df.iloc[3,4]


　　>>>df.iloc[3,4]
　　0.2580148841605816


　　綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家帶來幫助。

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/128343.html

相關文章

  • Pandas之旅（一): 讓我們把基礎知識一次擼完，申精干貨

    為什么你需要pandas 大家好，今天想和大家分享一下有關pandas的學習新的，我因工作需要，從去年12月開始接觸這個非常好用的包，到現在為止也是算是熟悉了一些，因此發現了它的強大之處，特意想要和朋友們分享，特別是如果你每天和excel打交道，總是需要編寫一些vba函數或者對行列進行groupby啊，merge，join啊之類的，相信我，pandas會讓你解脫的。 好啦，閑話少說，這篇文章的基礎...

    tuomao 評論0 收藏0

  • python_pandas學習

    摘要：的名稱來自于面板數據和數據分析。以下的內容主要以為主。終端輸入導入相關模塊是一種類似于一維數組的對象，它由一組數據各種數據類型以及一組與之相關的數據標簽即索引組成。如果僅傳入一個序列，則會重新索引行函數的參數參數說明用作索引的新序列。 原文鏈接 numPy pandas的數據結構介紹 簡介 Pandas [1] 是python的一個數據分析包，最初由AQR Capital Mana...

    codercao 評論0 收藏0

  • 【數據科學系統學習】Python # 數據分析基本操作[二] pandas

    摘要：中面向行和面向列的操作基本是平衡的。用層次化索引，將其表示為更高維度的數據。使用浮點值表示浮點和非浮點數組中的缺失數據。索引的的格式化輸出形式選取數據子集在內層中進行選取層次化索引在數據重塑和基于分組的操作中很重要。 我們在上一篇介紹了 NumPy，本篇介紹 pandas。 pandas入門 Pandas 是基于Numpy構建的，讓以NumPy為中心的應用變的更加簡單。 pandas...

    jayzou 評論0 收藏0

  • 用Python做數據分析：Pandas常用數據查詢語法

    摘要：在使用之前，大多數數據分析師已經掌握了和，并且在剛上手時會經常習慣性想到老辦法。這種根據列值選取行數據的查詢操作，推薦使用方法。如果我又有一批數據，需要將兩部分數據合并。 大毛 豈安科技業務風險分析師 多年訂單業務反欺詐經驗，負責豈安科技多款產品運營工作。 在使用Pandas之前，大多數數據分析師已經掌握了Excel和SQL，并且在剛上手Pandas時會經常習慣性想到老辦法。如果誰能把...

    gghyoo 評論0 收藏0

  • 【數據科學系統學習】Python # 數據分析基本操作[四] 數據規整化和數據聚合與分組運算

    摘要：數據規整化清理轉換合并重塑數據聚合與分組運算數據規整化清理轉換合并重塑合并數據集可根據一個或多個鍵將不同中的行鏈接起來。函數根據樣本分位數對數據進行面元劃分。字典或，給出待分組軸上的值與分組名之間的對應關系。 本篇內容為整理《利用Python進行數據分析》，博主使用代碼為 Python3，部分內容和書本有出入。 在前幾篇中我們介紹了 NumPy、pandas、matplotlib 三個...

    The question 評論0 收藏0

發表評論

0條評論

最新活動
閱讀需要支付1元查看
<