dataframe操作查询

本文涉及的产品
RDS MySQL DuckDB 分析主实例,基础系列 4核8GB
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
RDS AI 助手,专业版
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
|
Python
在dataframe中插入新的一行
在pandas中,可以使用`insert`函数在dataframe中插入新的一行。
1505 1
|
Python
DataFrame排序和排名案例解析
本文演示了如何使用pandas对DataFrame进行排序和排名。首先,通过`pd.DataFrame()`将字典转换为DataFrame,然后利用`sort_values()`按'年龄'列进行升序排序。此外,还使用`rank()`方法为'年龄'列生成排名,并将其添加到DataFrame中作为新的'年龄排名'列。
439 0
|
索引 Python
Python 教程之 Pandas(4)—— 使用 Pandas 索引和选择数据
Python 教程之 Pandas(4)—— 使用 Pandas 索引和选择数据
598 0
DataFrame(12):数据转换——apply(),applymap()函数的使用(一)
DataFrame(12):数据转换——apply(),applymap()函数的使用(一)
DataFrame(12):数据转换——apply(),applymap()函数的使用(一)
|
SQL 索引 Python
Pandas中DataFrame合并的几种方法
Pandas中DataFrame合并的几种方法
2403 1
|
数据挖掘 数据处理 数据库
Pandas数据聚合:groupby与agg
Pandas库中的`groupby`和`agg`方法是数据分析中不可或缺的工具,用于数据分组与聚合计算。本文从基础概念、常见问题及解决方案等方面详细介绍这两个方法的使用技巧,涵盖单列聚合、多列聚合及自定义聚合函数等内容,并通过代码案例进行说明,帮助读者高效处理数据。
1646 32
|
存储 数据挖掘 数据处理
Pandas 数据筛选:条件过滤
Pandas 是 Python 最常用的数据分析库之一,提供了强大的数据结构和工具。本文从基础到高级,介绍如何使用 Pandas 进行条件过滤,包括单一条件、多个条件过滤、常见问题及解决方案,以及动态和复杂条件过滤的高级用法。希望本文能帮助你更好地利用 Pandas 处理数据。
1202 78
|
SQL 数据挖掘 索引
Pandas数据筛选的5种技巧
Pandas数据筛选的5种技巧
1022 1
|
索引 Python
如何在 Pandas 数据框中添加新列?
【8月更文挑战第30天】
1206 4
|
数据库 Python
DataFrame 与内置数据结构的相互转换
DataFrame 与内置数据结构的相互转换
290 4