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