Python | 使用 Pandas .query() 方法过滤数据

Pandas是Python中一个常用的数据分析库，它提供了许多数据处理和数据分析的工具，包括数据读取、数据清洗、数据建模等。Pandas中的.query()方法允许我们根据设定的条件来筛选数据，提高数据过滤效率。下面是使用Pandas的.query()方法过滤数据的一些介绍和示例。

.query() 方法介绍

Pandas中的.query()方法是基于字符串的表达式查询机制，通过传递一个表达式字符串来实现对数据的过滤。表达式字符串中可以包含比较运算符、逻辑运算符、算术运算符和各种函数等，非常灵活和强大。

具体的.query()方法的语法如下：

df.query(expr, inplace=False, **kwargs)

其中，expr参数是一个字符串表达式，表示我们要对数据进行过滤的条件；inplace参数则用来指定是否原地修改数据，而**kwargs参数则用于传递一些其他的参数，比如设置排序或者设置返回数据的数量等。

使用 .query() 方法过滤数据

接下来，我们通过一个Python示例来演示如何使用.query()方法来过滤Pandas中的数据。

示例代码

import pandas as pd

# 创建一个样例数据集
data = {'name': ['Alice', 'Bob', 'Charlie', 'David', 'Emily'],
        'gender': ['F', 'M', 'M', 'M', 'F'],
        'age': [25, 30, 35, 40, 45],
        'salary': [5000, 6000, 7000, 8000, 9000]}

df = pd.DataFrame(data)

# 使用.query()方法来过滤数据
filtered_data = df.query('gender == "M" and age > 35')

print(filtered_data)

示例输出：

      name gender  age  salary
3    David      M   40    8000

在上面的示例代码中，我们首先创建了一个示例数据集，接着使用.query()方法来过滤数据，筛选出了性别为男性且年龄大于 35 岁的数据，最后输出了符合条件的结果。

总结

Pandas中的.query()方法是一个非常方便和灵活的过滤数据的方法，它可以根据表达式字符串来实现各种各样的数据过滤和查询。我们可以利用.query()方法来简化我们的代码，并提高数据处理的效率。