在pandas中怎么样实现类似mysql查找语句的功能: select * from table where column_name = some_value; pandas中获取数据的有以下几种方法:
假设数据如下:
![]() 布尔索引该方法其实就是找出每一行中符合条件的真值(true value),如找出列A中所有值等于foo df[df['A'] == 'foo'] # 判断等式是否成立 ![]() 位置索引使用iloc方法,根据索引的位置来查找数据的。这个例子需要先找出符合条件的行所在位置
![]() 标签索引如何DataFrame的行列都是有标签的,那么使用loc方法就非常合适了。 df.set_index('A', append=True, drop=False).xs('foo', level=1) # xs方法适用于多重索引DataFrame的数据筛选# 更直观点的做法df.index=df['A'] # 将A列作为DataFrame的行索引df.loc['foo', :]# 使用布尔df.loc[df['A']=='foo'] ![]() 使用APIpd.DataFrame.query方法在数据量大的时候,效率比常规的方法更高效。
![]() 数据提取不止前面提到的情况,第一个答案就给出了以下几种常见情况:1、筛选出列值等于标量的行,用== df.loc[df['column_name'] == some_value] 2、筛选出列值属于某个范围内的行,用isin
3、多种条件限制时使用&,&的优先级高于>=或<=,所以要注意括号的使用 df.loc[(df['column_name'] >= A) & (df['column_name'] <= B)] 4、筛选出列值不等于某个/些值的行
|
|