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

• KNN分类算法的定义及Python实现代码是什么

  本篇文章给大家带来了关于Python的相关知识，KNN分类算法（K-Nearest-Neighbors Classification），又叫K近邻算法，是一个概念极其简单，而分类效果又很优秀的分类算法，下面一起来看一下，希望对大家有帮助。

• 如何用python模块，模块搜索路径怎样做

  模块可以看成是一堆函数的集合体。一个py文件内部就可以放一堆函数，因此一个py文件就可以看成一个模块。如果这个py文件的文件名为module.py，模块名则是module。

• Python如何进行虚拟环境配置，虚拟环境配置的原因是什么

  大家好，本篇文章主要讲的是python配置虚拟环境步骤，感兴趣的同学赶快来看一看，对你有帮助的话记得收藏一下，方便下次浏览

• Python什么情况要写入MySQL，操作是什么

  Python 读取数据自动写入 MySQL 数据库，这个需求在工作中是非常普遍的，主要涉及到 python 操作数据库，读写更新等。本文总结了Python写入MySQL数据库的三种方式，需要的可以参考一下

• Python中while循环嵌套的基本架构是怎样

  这篇文章主要为大家介绍了python 的while循环嵌套，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助