dataframe操作查询

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

        

          
        
        
        

          

          AI 代码解读
        
      
      

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

        

          
        
        
        

          

          AI 代码解读
        
      
      

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)

        

          
        
        
        

          

          AI 代码解读
        
      
      

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"))

        

          
        
        
        

          

          AI 代码解读