pandas dataframe筛选数据（pandas query筛选列）47-慕源网

pandas dataframe筛选数据

可以使用query方法按照某列的规则进行过滤的操作。

本文是Python Pandas教程系列的一部分，您可以点击Python Pandas使用教程查看所有。

语法和参数：

Dataframe.query(inplace=False, expr, **kwargs)

参数：

expr：str

要评估的查询字符串。

您可以在环境中引用变量，

方法是在变量前加上’@’字符，

例如。@a + b

您可以通过在反引号中将空格或运算符括起来来引用它们。

这样，您还可以转义以数字开头或Python关键字的名称。

基本上是无效的Python标识符。

有关更多详细信息，请参见注释。

例如，如果你的一列叫做a a ，

你想把它和b相加，你的查询应该是' a a ' + b。

0.25.0版中的新功能：

引入了反引号引号。

1.0.0版中的新增功能：

扩展了反引号引号的功能，不仅限于空格。

inplace：bool

查询是应该修改数据还是返回修改后的副本。

**kwargs

有关eval()接受的关键字参数的完整详细信息，

请参见文档DataFrame.query()。

返回值：

DataFrame

由提供的查询表达式产生的DataFrame。

如何过滤 Pandas 中的行？

现在我们看到了如何在 Pandas DataFrame 中过滤行的各种示例。

示例 #1：使用 Dataframe.isin() 过滤DataFrame 中的行

代码：

import pandas as pd
df = pd.DataFrame({'s': [1, 3, 7, 4], 'p': [4, 1, 8, 6]})
out = df['s'].isin(range(4,7))
filtered_df = df[out] print('Original DataFrame\n-------------------\n',df)
print('\nFiltered DataFrame\n-------------------\n',filtered_df)

输出：

在上面的程序中，我们首先导入了pandas库，然后我们创建了DataFrame 。创建DataFrame 后，我们为行和列分配值，然后利用 isin() 函数生成DataFrame 的过滤输出。最后，DataFrame 的行被过滤，输出如上面的快照所示。

示例 #2：使用 Dataframe.query() 过滤 Pandas DataFrame 的行

代码：

import pandas as pd
df = pd.DataFrame({'s': [1, 3, 7, 4], 'p': [4, 1, 8, 6]})
filtered_df = df.query('p>7')
print('First DataFrame\n-------------------\n',df)
print('\nFiltered DataFrame\n-------------------\n',filtered_df)

输出：