数据筛选 query 函数介绍

query 函数的一般用法如下：

 df.query('expression')
1

文中的代码是在 Jupyter Notebook 中运行的（也可以是其他 IDE），在开始之前，先创建一份数据，供后续使用：

import pandas as pd
data = {
 'brand':['Python 数 据 之 道 ',' 价 值 前 瞻 ',' 菜 鸟 数 据 之 道 ','Python','Java'],
 'A':[10,2,5,20,16],
 'B':[4,6,8,12,10],
 'C':[8,12,18,8,2],
 'D':[6,18,14,6,12],
 'till years':[4,1,1,30,30]
 }
df = pd.DataFrame(data=data)
df
1
2
3
4
5
6
7
8
9
10
11

常用方法

筛选 “brand” 列中值为 “Python 数据之道” 的行，如下：

 df.query('brand == "Python 数 据 之 道 "')
1

上面用 query 函数筛选数据，用下面的方法也是可以实现的：

df[df['brand']=="Python 数 据 之 道 "]
1

通过数学表达式筛选

除了直接通过等于某个值来筛选，query 函数还支持通过数学表达式来进行数据筛选，包括 >、<、+、-、*、/ 等。

通过变量筛选

在程序比较长的时候，经常会使用变量来作为筛选条件，query 函数在使用变量作为判断标准时，通过在变量前面添加 @ 符号来实现，示例如下：

name = 'Python 数 据 之 道 '  
df.query('brand == @name')
1
2

列表数据筛选

当需要在某列中筛选多个符合要求的值的时候，可以通过列表（list）来实现，示例如下：

# 需 要 注 意 下 双 引 号 和 单 引 号 的 分 开 使 用
df.query('brand in ["Python 数 据 之 道 "," 价 值 前 瞻 "]') 
1
2

多条件筛选

有很多情况下，咱们需要通过多个条件来筛选数据，query 函数支持多种条件的组合，
• 两者都需要满足的并列条件使用符号 &, 或单词 and
• 只需要满足其中之一的条件使用符号 |, 或单词 or

df.query('brand in ["Python 数 据 之 道 "," 价 值 前 瞻 "] & A>3')
1

列名称有空格的情况

当 dataframe 的列名称中有空格或其他特殊符号的时候，需要使用 反引号（backtick mark），即键盘 ESC 键下面的按键 (就是键盘上第二排第一个按键，有 ‘~’ 这个符号的按键) 来将列名包裹起来，示例如下：

df.query("`till years` < 5")
1

筛选后选取数据列

df.query('A+B <= C+D')[['brand','A','C']]
1