计算机编程语言学习笔记:pd.filter、query筛选数据
一、pd.filter函数
1.介绍
pd.filter函数根据指定的索引标签对数据框行、或列进行数据筛选(子集查询)。
使用语法为:
数据框过滤器(项目=无,
像=无,-字符串
正则表达式=无,-字符串
轴=无)
类似于df.loc、df.iloc函数所实现的功能。
参数说明:
项目-对列进行筛选轴标签列表
regex -正则匹配
就像-进行筛选模糊名查询
轴=0 -按行
轴=1 -按列
注意:仅按照标签筛选,不对数据内容进行过滤!
2.pd.filter
# 构建测试集
进口熊猫作为螺纹中径
将numpy作为铭牌导入
df=pd .DataFrame(np.array(([1,2,3],[4,5,6])),
索引=['鼠标','兔子'],
列=['一','二','三'])
# 过滤列
df.filter(项目=['一','三'])
df.filter(['one'])
# 正则
df.filter(regex='e$ ',axis=1) #以e结尾
df.filter(regex='e$ ',axis=0)
df.filter(正则表达式='Q') #包含Q
# 相似
df.filter(如='bb ',轴=0) #按行
# 轴标签
df.filter(['一','二],轴=1)
# 混合使用
df.filter(regex='^r',轴=0)。过滤器(如='o ',轴=1) # r开头的行包含o的列
注意:其中的参数 items/like/regex 被强制执行为相互排斥,只能有一个存在。
3.pd.Series.filter
警局。系列应用过滤器时参数与df.filter一样,不过由于系列只有一个轴,不能将轴=1,只能按索引查询数据。
df.one.filter(['兔子'])
df.one.filter(如='e ')
df.one.filter(regex='e$ ')
4.DataFrameGroupBy.filter
分组后进行筛选,可以自定义函数,常与匿名函数希腊字母的第11个结合使用。
类似于结构化查询语言中的通过拥有操作。
使用语法为:
数据框架组副本。过滤器(func,dropna=True,*参数,**kwargs)
功能用于每个分组
dropna -是否删除
实操:
# 构建测试集
df=pd .DataFrame({'A' : ['foo ',' bar ',' foo ',' bar ',
foo ',' bar'],
B' : [1,2,3,4,5,6],
C' : [2.0,5 . 8. 1. 2. 9.]})
# 筛选分组后
df.groupby('A ').过滤器(lambda x:x['B'])。均值()3。)
# 长度
df.groupby("团队")。滤波器(x:透镜(x)=3)
# 只要有一个满足
df.groupby(['A']).过滤器(lambda x: (x['B'] 3).any())
# 全部满足
df.groupby('A ').过滤器(x :(x . mean()=4).all())
# 和满足
df.groupby('A ').滤波器(x : x Q1。总和(100)
二、pd.query函数
1.介绍
使用布尔表达式查询数据帧的列,按照某列规则进行过滤。
类似于结构化查询语言中的在哪里进行条件过滤。
使用语法为:
DataFrame.query(expr,inplace=False,**kwargs)
表达式查询字符串
就地-是否修改原数据框
2.实操
进口熊猫作为螺纹中径
将numpy作为铭牌导入
df=pd .DataFrame({'A':range(1,6),
b ' :范围(10,0,-2),
C':2})
df
'''
英国广播公司
0 1 10 2
1 2 8 2
2 3 6 2
3 4 4 2
4 5 2 2
'''
df.query('B==2') # B列等于2
df.query('A B') # A列小于B列
df[df .测向仪# B]#同上
# 多条件查询
df.query('A B A C ')
df.query('A B | A==4 ')
# 部分样例
df.query('A B C ')
df。查询(“a100”)
df.query('A==B ')
df.query('A!=100')
df。查询("[3,5]中的a”)
df.query('不在[3,5]中的a’)
df。查询(' name。字符串。包含(' r ')#好像不支持
df.name.str.contains('r') #测试没问题
df.query('B=='团队名称` ')#有空格反引号
注意:查询条件必须为字符串。
参考链接:熊猫过滤器筛选标签
参考链接:熊猫数据框.过滤器
参考链接:熊猫过滤器筛选标签
参考链接:熊猫过滤-过滤器函数,查询函数的使用
参考链接:熊猫-查询函数询问
参考链接:熊猫高级:查询方法教你优雅的查询
内容来源网络,如有侵权,联系删除,本文地址:https://www.230890.com/zhan/62062.html