(二)使用Pandas进行数据分析 - 查询数据的几种方法

Pandas查询数据的几种方法

1. df.loc方法，根据行、列的标签值查询   （# .loc既能查询，又能覆盖写入）
2. df.iloc方法，根据行、列的数字位置查询
3. df.where方法
4. df.query方法

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数据
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

Attention！

• 以上查询方法，既适用于行，也适用于列
• 注意观察降维 DataFrame > Series > Value

1. 使用单个label值查询数据

每一行和每一列，都可以只传入单个值，实现精确匹配（这里可以发现降维的效果）

# 得到DataFrame中某个单元格的单个值
df.loc['行名称','列名称']

# 得到一个Series（这里传入的列名是一个值列表）
df.loc['行名称',['列名称_1','列名称_2']]

2. 使用值列表批量查询

# 得到一个DataFrame
df.loc[['行名称_1','行名称_2'],['列名称_1','列名称_2']]

3. 使用数值区间进行范围查询

这里注意，应用于 loc 的区间既包含开始，也包含结束。

# 行index按区间
df.loc['行名称_1':'行名称_2','列名称']

# 列index按区间
df.loc['行名称','列名称_1':'列名称_2']

# 行列index均按区间
df.loc['行名称_1':'行名称_2','列名称_1':'列名称_2']

这里我们可以看到，传入的行、列值不再是一个列表，而是以  “ ：” 连接的一个区间，并且需要注意的是传入的值并不是索引号，而是索引标签值，按照行、列在DataFrame中的顺序进行区间分割

4. 使用条件表达式查询

使用条件表达式可以返回一个布尔列表，这个列表的长度等于行数或者列数（一般常用于行）

# 进行一个简单的查询，温度低于10度的所有记录
df.loc[df['WenDu'] < 10,:] # df['WenDu']取出温度这一列进行条件匹配，后面的冒号代表查询所有列

# 多条件查询
df.loc[(df['WenDu'] < 10) & (df['WenDu'] > 0),:]

df['WenDu'] < 10 返回的是一个包含布尔值的Series， < 10 的记录为True，反之为False。

5. 调用函数查询

# 直接写 lambda 表达式
df.loc[lambda df : (df['WenDu'] < 10) & (df['WenDu'] > 0),:]

当按照行进行筛选时，loc方法会将每一行的Series传给lambda的df变量，同样会得到一个布尔结果，用于筛选行（或列）数据。

也可以自己编写函数，但要注意的是在loc中使用函数时只需要输入函数名即可，函数本身也可以当成变量传递，其参数取决于外部的变量。