这篇文章主要介绍“Pandas查询数据有哪些方法，步骤是什么”的相关知识，下面会通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“Pandas查询数据有哪些方法，步骤是什么”文章能帮助大家解决问题。

一，Pandas查询数据的几种方法

1. df[]按行列选取，这种情况一次只能选取行或者列
2. df.loc方法，根据行、列的标签值查询
3. df.iloc方法，根据行、列的数字位置查询，根据索引定位
4. df.query方法

二，Pandas使用df.loc查询数据的方法

1. 使用单个label值查询数据
2. 使用值列表批量查询
3. 使用数值区间进行范围查询
4. 使用条件表达式查询
5. 调用函数查询

注意

以上查询方法，既适用于行，也适用于列

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

 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

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

 #获取c1，c2两列

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

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

#获取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

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

#获取索引为A-C行数据

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

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

#获取2-3行数据

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方法查询

1、使用数值区间进行范围查询

有点类似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、单个label值查询

类似坐标查询

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

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

3、使用列表批量查询

>>> 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、使用条件表达式查询

>>> 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、使用函数查询

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方法查询

同df.loc类似，根据索引定位

#提取2-3行，1-2列数据

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列数据

df.iloc[[1,2],[3]]

         c4
B  0.091373
C  0.910206

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

#提取指定位置单个数值

df.iloc[3,4]

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

总结

现在大家对于Pandas查询数据有哪些方法，步骤是什么的内容应该都有一定的认识了吧，希望这篇能对大家有所帮助。最后，想要了解更多，欢迎关注群英网络，群英网络将为大家推送更多相关的文章。

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python中用scatter绘画散点图的代码是什么

  这篇文章主要介绍了python利用scatter绘画散点图，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下，希望对你的学习有所帮助

• Python中random模块有哪些方法，如何实现生成随机数

  一、概述random模块用于生成伪随机数之所以称之为伪随机数，是因为真正意义上的随机数（或者随机事件）在某次产生过程中是按照实验过程中表

• 怎样用python制作简单的emoji表情？

  怎样用python制作简单的emoji表情？对于emoji表情大家应该都比较熟悉，我们在网络聊天的时候，emoji表情能生动有趣的表达我们当下的情绪和状态，因此很多朋友都喜欢用emoji表情聊天。下面小编就给大家分享怎样用python制作emoji表情，感兴趣的朋友就继续往下看吧。

• Python time模块用来做什么操作，基本方法有哪些

  内容介绍time模块datetime模块总结time模块time模块，也就是时间模块，用来进行一些与时间有关的操作。其使用方法为：importtimeprint(time.time())

• Pandas中如何对数据集高效的进行自定义函数的应用

  Pandas中如何对数据集高效的进行自定义函数的应用，一些朋友可能会遇到这方面的问题，对此在下文小编向大家来讲解一下，内容详细，易于理解，希望大家阅读完这篇能有收获哦，有需要的朋友就往下看吧！