Python 用Pandas .query()方法过滤数据

Pandas是一种开源数据分析工具，它提供了大量数据操作和分析功能，其中Pandas.query()方法是一种方便的数据过滤方法，本文将提供有关Python中如何使用Pandas.query()方法过滤数据的完整攻略，并提供相关实例。

1. Pandas.query()方法概述

Pandas.query()方法可以对DataFrame数据集进行查询，这个函数类似于SQL中的WHERE条件语句，可以使用逻辑运算符、比较运算符、布尔运算符等进行数据筛选。

Pandas.query()方法的一般语法如下：

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

• expr：查询条件表达式。
• inplace：默认为False，表示是否直接修改原始数据。
• **kwargs：表示可选参数，包含执行查询语句时所需的局部变量。

2. Pandas.query()方法案例

下面是使用Pandas.query()方法过滤数据的两个实例。

实例1：根据特定条件筛选数据

import pandas as pd

#构造数据集
data = {'name':['Tom','Jack','Steve','Ricky','Louise'], 
        'age':[28,34,29,42,21], 
        'city':['BeiJing','ShangHai','HangZhou','HangZhou','GuangZhou'],
        'salary':[1000,4000,3000,6000,2000]}
df = pd.DataFrame(data)

#查询薪资大于3000的员工名字、年龄、城市和薪资信息
tmp = df.query('salary > 3000')[['name','age','city','salary']]
print(tmp)

运行结果：

    name  age      city  salary
1   Jack   34  ShangHai    4000
2  Steve   29  HangZhou    3000
3  Ricky   42  HangZhou    6000

实例2：使用变量进行数据筛选

import pandas as pd

#构造数据集
data = {'name':['Tom','Jack','Steve','Ricky','Louise'], 
        'age':[28,34,29,42,21], 
        'city':['BeiJing','ShangHai','HangZhou','HangZhou','GuangZhou'],
        'coupon':[True,False,True,True,False]}
df = pd.DataFrame(data)

#查询领取优惠券的员工名字、年龄和城市信息
coupon_flag = True
tmp = df.query('coupon == @coupon_flag')[['name','age','city']]
print(tmp)

运行结果：

    name  age      city
0    Tom   28   BeiJing
2  Steve   29  HangZhou
3  Ricky   42  HangZhou

在第二个案例中，我们采用@变量名的形式，将coupon_flag变量传递给Pandas.query()方法，从而查询员工领取优惠券的情况。

3. 总结

以上就是Python用Pandas.query()方法过滤数据的完整攻略及相关实例，通过使用这个方法，我们可以方便地对数据进行筛选和过滤，也可以更快地编写出更高效的数据分析代码。