[黑马程序员Pandas教程]——DataFrame查询数据

目录：

1. 学习目标
2. 获取DataFrame子集的基本方法
   1. 从前从后取多行数据
      1. 默认获取前5行df.head()
      2. 默认获取倒数5行df.tail()
   2. 获取一列或多列数据
      1. 获取一列数据df[col_name]等同于df.col_name
      2. 获取多列数据df[[col_name1,col_name2,...]]
   3. 布尔值向量获取数据行
      1. 布尔值列表取出对应为True的数据行
      2. 布尔值构成的Series取出对应为True的数据行
      3. 布尔值构成的ndarray取出对应为True的数据行
   4. 索引下标切片取行df[start:stop:step]
3. loc通过行列名获取子集
   1. 索引值获取1行数据df.loc[row_name]
   2. 索引值获取多行数据df.loc[[row_name1,row_name2...]]
   3. 索引值切片获取多行数据`df.loc[start_index_value:end_index_value:step]` 左闭右闭
   4. 布尔值向量获取行数据df.loc[布尔值向量]
   5. 布尔值向量取行再配合列名取子集df.loc[布尔值向量,[col_name1,col_name2…]]
   6. 索引值取行再配合列名取子集df.loc[[cow_name1,cow_name2...],[col_name1,col_name2…]]
   7. 列名取子集df.loc[:,[col_name1,col_name2…]
4. iloc通过行列下标获取子集
   1. 行号取1行df.iloc[row_n]
   2. 行号取多行df.iloc[[row_1,row_2,…]]
   3. 行号下标切片取多行df.iloc[start:end:step] 左闭右开
   4. 行列下标切片取子集
   5. 行下标切片和列下标取子集
   6. 行下标和列下标取子集
   7. 行下标和列下标切片取子集
5. 查询函数获取子集df.query()
6. 判断是否存在某个值isin函数
7. 总结
8. 项目地址

1.学习目标

• 掌握获取df一列或多列数据的方法

• 知道loc和iloc的区别以及使用方法

• 知道df的query函数的使用方法

• 知道isin函数的作用和使用方法

2.获取DataFrame子集的基本方法

1.从前从后取多行数据

默认获取前5行df.head()

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
# 默认取前5行数据
print(df.head())
# 前10行
print(df.head(10))

默认获取倒数5行df.tail()

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
# 默认取后5行数据
print(df.tail())
# 倒数15行
df2 = df.tail(15)
print(df2)

2.获取一列或多列数据

获取一列数据df[col_name]等同于df.col_name

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df2 = df.tail(15)
 
print(df2['country'])
# print(df2.country)
# 注意！如果列名字符串中间有空格的，只能使用df['country']这种形式

获取多列数据df[[col_name1,col_name2,...]]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df2 = df.tail(15)
 
# 返回新的df
print(df2[['country', 'GDP']])

3.布尔值向量获取数据行 

• 布尔值向量：完全由布尔值组成的一维数据，布尔值向量形式为

  • 布尔值构成的列表

  • 布尔值构成的series

  • 布尔值构成的numpy.ndarray

• df[布尔值向量] 其中布尔值向量的布尔值个数必须和df的行数(df.shape[0])相等

布尔值列表取出对应为True的数据行

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df3 = df.tail()
print(df3)
print(df3[[False, True, False, False, False]])

布尔值构成的Series取出对应为True的数据行

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df3 = df.tail()
 
# df3['country']=='帕劳'
# 返回布尔值构成的series对象
print(df3)
print(df3[df3['country'] == '帕劳'])

布尔值构成的ndarray取出对应为True的数据行

import numpy as np
import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
n1 = np.array([False, True, False, False, False])
 
df3 = df.tail()
 
print(df3)
print(df3[n1])

4.索引下标切片取行df[start:stop:step]

• df[start:stop:step] == df[起始行下标:结束行下标:步长] ， 遵循左闭右开原则（包含起始行，不包含结束行），步长默认为1

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
df4 = df.head(10)  # 取原df前10行数据作为df4，默认自增索引由0到9
print(df4)
 
df5 = df4[0:3]  # 取前3行
print(df5)
 
df6 = df4[:5:2]  # 取前5行，步长为2
print(df6)
 
df7 = df4[1::3]  # 取第2行到最后所有行，步长为3
print(df7)

3.loc通过行列名获取子集

• df.loc[]通过行名（索引值、索引名）、列名获取子集

1.索引值获取1行数据df.loc[row_name]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
df4 = df.head(10)  # 取原df前10行数据作为df4，默认自增索引由0到9
print(df4)
 
df5 = df4.loc[2]  # 获取索引为2的一行数据
print(df5)

2.索引值获取多行数据df.loc[[row_name1,row_name2...]]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
df4 = df.head(10)  # 取原df前10行数据作为df4，默认自增索引由0到9
print(df4)
 
df5 = df4.loc[[0, 2]]  # 获取索引为0和2的数据，返回df
print(df5)

3.索引值切片获取多行数据`df.loc[start_index_value:end_index_value:step]` 左闭右闭

• 注意df.loc[start_index_value:end_index_value:step]不等同于df[start:end:step]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
df4 = df.head(10)  # 取原df前10行数据作为df4，默认自增索引由0到9
print(df4)
 
df5 = df4.loc[:5:2]  # 表示获取索引值0到5，每2行取一行
print(df5)
 
df6 = df4[:5:2]  # 等同于df4.iloc[:5:2]
print(df6)

4.布尔值向量获取行数据df.loc[布尔值向量]

• df.loc[[bool1,bool2,…]] 等同于 df[[bool1,bool2,…]]

import pandas as pd
import numpy as np
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
df3 = df.tail()
print(df3)
 
df4 = df3.loc[[False, True, False, False, False]]
print(df4)
 
df5 = df3.loc[df3['country'] == '帕劳']
print(df5)
 
n1 = np.array([False, True, False, False, False])
df6 = df3.loc[n1]
print(df6)

5.布尔值向量取行再配合列名取子集df.loc[布尔值向量,[col_name1,col_name2…]]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
df3 = df.tail()
print(df3)
 
df4 = df3.loc[df3['country'] == '帕劳', ['country', 'GDP']]
print(df4)

6.索引值取行再配合列名取子集df.loc[[cow_name1,cow_name2...],[col_name1,col_name2…]]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
df3 = df.tail()
print(df3)
 
df4 = df3.loc[[9926], ['country', 'GDP']]
print(df4)

7.列名取子集df.loc[:,[col_name1,col_name2…]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
df3 = df.tail()
print(df3)
 
df4 = df3.loc[:, ['GDP']]
print(df4)

 4.iloc通过行列下标获取子集

• df.iloc[]通过行下标（索引下标、行序号）、列下标获取子集  

1.行号取1行df.iloc[row_n]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
df3 = df.tail()  # 构造示例数据集
print(df3)
 
df4 = df3.iloc[1]
print(df4)

2.行号取多行df.iloc[[row_1,row_2,…]]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df3 = df.tail()  # 构造示例数据集
print(df3)
 
df4 = df3.iloc[[1, 3]]
print(df4)

3.行号下标切片取多行df.iloc[start:end:step] 左闭右开

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df3 = df.tail()  # 构造示例数据集
print(df3)
 
df4 = df3.iloc[:2]
print(df4)
 
df5 = df3[:2]
print(df5)
 
# 上述代码不同于
df6 = df.loc[:2]  # 索引值从0到2的所有行 df.loc[start_index_value:end_index_value:step]
print(df6)

4.行列下标切片取子集

• df.iloc[row_index_start:row_index_stop:row_step,col_index_start:col_index_stop:col_step]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df3 = df.tail()  # 构造示例数据集
print(df3)
 
# 第0行到第4行，每2行选第1行；所有列，每2列取第1列
df4 = df3.iloc[0:5:2, ::2]
print(df4)

5.行下标切片和列下标取子集

• df.iloc[row_index_start:row_index_stop:row_step,[column_1,column_2…]]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df3 = df.tail()  # 构造示例数据集
print(df3)
 
# 第0行到第4行，每2行选第1行；所有列，每2列取第1列
df4 = df3.iloc[0:5:2, [0, 2]]
print(df4)

6.行下标和列下标取子集

• df.iloc[[row_1,row_2,…],[column_1,column_2…]]

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df3 = df.tail()  # 构造示例数据集
print(df3)
 
df4 = df3.iloc[[0, 2, 4], [0, 2]]
print(df4)

7.行下标和列下标切片取子集

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df3 = df.tail()  # 构造示例数据集
print(df3)
 
df4 = df3.iloc[[0, 2, 4], ::2]
print(df4)

5.查询函数获取子集df.query()

• df.query(判断表达式)可以依据判断表达式返回的符合条件的df子集

• 与df[布尔值向量]效果相同

• 特别注意df.query()中传入的字符串格式

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df3 = df.tail()  # 构造示例数据集
print(df3)
 
df4 = df3.query('country=="帕劳"')
print(df4)
 
df5 = df3[df3['country'] == '帕劳']
print(df5)

• 查询中国、美国、日本三国2015年至2019年的数据

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
 
df1 = df.query('country=="中国" or country=="日本" or country=="美国"').query('year in [2015, 2016, 2017, 2018, 2019]')
print(df1)
 
df2 = df.query('(country=="中国" or country=="日本" or country=="美国") and year in [2015, 2016, 2017, 2018, 2019]')
print(df2)

6.判断是否存在某个值isin函数

• df.isin(['x', 'y',...]) 返回由布尔值构成新的df，原df中存在x或y的位置为True，不是x或y的为False

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df3 = df.tail()  # 构造示例数据集
print(df3)
 
df4 = df3.isin(['帕劳'])
print(df4)
 
df5 = df3.isin(['帕劳', '瑙鲁'])
print(df5)

• Serires对象使用isin函数返回新的s对象，其他完全相同

import pandas as pd
 
# 加载csv数据，指定gbk编码格式来读取文件，返回df
df = pd.read_csv('../datas/data_set/1960-2019全球GDP数据.csv', encoding='gbk')
df3 = df.tail()  # 构造示例数据集
print(df3)
 
df4 = df3['country'].isin(['帕劳'])
print(df4)
 
df5 = df3['country'].isin(['帕劳', '瑙鲁'])
print(df5)

 7.总结

• loc和iloc的区别：

  • loc是根据行列名获取子集

  • iloc是根据下标获取子集  

8.项目地址：

Python: 66666666666666 - Gitee.com