成人无码视频,亚洲精品久久久久av无码,午夜精品久久久久久毛片,亚洲 中文字幕 日韩 无码

資訊專欄INFORMATION COLUMN

如何利用Pandas查詢選取數(shù)據(jù)

89542767 / 415人閱讀

　　小編寫這篇文章的主要目的，主要還是利用Pandas這門工具，去進行編程等一系列的一些操作，比如可以用來進行增刪查改等一系列的操作步驟。那么，怎么利用Pandas去查詢數(shù)據(jù)呢？下面就給大家詳細解答下。


　　一，Pandas查詢數(shù)據(jù)的幾種方法


　　df[]按行列選取，這種情況一次只能選取行或者列


　　df.loc方法，根據(jù)行、列的標簽值查詢


　　df.iloc方法，根據(jù)行、列的數(shù)字位置查詢，根據(jù)索引定位


　　df.query方法


　　二，Pandas使用df.loc查詢數(shù)據(jù)的方法


　　使用單個label值查詢數(shù)據(jù)


　　使用值列表批量查詢


　　使用數(shù)值區(qū)間進行范圍查詢


　　使用條件表達式查詢


　　調(diào)用函數(shù)查詢


　　注意


　　以上查詢方法，既適用于行，也適用于列


　　##########################################


　　df[]
　　>>>df=pd.DataFrame(np.random.rand(25).reshape([5,5]),index=['A','B','C','D','E'],columns=['c1','c2','c3','c4','c5'])
　　>>>df
　　c1 c2 c3 c4 c5
　　A 0.499404 0.082137 0.472568 0.649200 0.121681
　　B 0.564688 0.102398 0.374904 0.091373 0.495510
　　C 0.319272 0.720225 0.979103 0.910206 0.766642
　　D 0.478346 0.311616 0.466326 0.045612 0.258015
　　E 0.421653 0.577140 0.103048 0.235219 0.550336


　　##########################################


　　#獲取c1，c2兩列


　　df[['c1','c2']]
　　>>>df[['c1','c2']]
　　c1 c2
　　A 0.499404 0.082137
　　B 0.564688 0.102398
　　C 0.319272 0.720225
　　D 0.478346 0.311616
　　E 0.421653 0.577140


　　##########################################


　　#獲取c1列


　　df.c1


　　>>>df.c1
　　A 0.499404
　　B 0.564688
　　C 0.319272
　　D 0.478346
　　E 0.421653
　　Name:c1,dtype:float64


　　##########################################


　　#獲取索引為A-C行數(shù)據(jù)


　　df['A':'C']


　　>>>df['A':'C']
　　c1 c2 c3 c4 c5
　　A 0.499404 0.082137 0.472568 0.649200 0.121681
　　B 0.564688 0.102398 0.374904 0.091373 0.495510
　　C 0.319272 0.720225 0.979103 0.910206 0.766642


　　##########################################


　　#獲取2-3行數(shù)據(jù)


　　df[1:3]


　　>>>df[1:3]
　　c1 c2 c3 c4 c5
　　B 0.564688 0.102398 0.374904 0.091373 0.495510
　　C 0.319272 0.720225 0.979103 0.910206 0.766642


　　df.loc方法查詢


　　1、使用數(shù)值區(qū)間進行范圍查詢


　　有點類似list的切片


　　>>>df.loc['A':'D',:]
　　c1 c2 c3 c4 c5
　　A 0.499404 0.082137 0.472568 0.649200 0.121681
　　B 0.564688 0.102398 0.374904 0.091373 0.495510
　　C 0.319272 0.720225 0.979103 0.910206 0.766642
　　D 0.478346 0.311616 0.466326 0.045612 0.258015


　　##########################################


　　2、單個label值查詢


　　類似坐標查詢


　　>>>df.loc['A','c2']
　　0.08213716245372071


　　##########################################


　　3、使用列表批量查詢


　　>>>df.loc[['A','B','D'],['c1','c3']]
　　c1 c3
　　A 0.499404 0.472568
　　B 0.564688 0.374904
　　D 0.478346 0.466326


　　##########################################


　　4、使用條件表達式查詢


　　>>>df.loc[df['c2']>0.5,:]
　　c1 c2 c3 c4 c5
　　C 0.319272 0.720225 0.979103 0.910206 0.766642
　　E 0.421653 0.577140 0.103048 0.235219 0.550336
　　>>>df[(df['c2']>0.2)&(df['c3']<0.8)]
　　c1 c2 c3 c4 c5
　　D 0.478346 0.311616 0.466326 0.045612 0.258015
　　E 0.421653 0.577140 0.103048 0.235219 0.550336


　　##########################################


　　5、使用函數(shù)查詢


　　def query_my_data(df):
　　return((df['c3']>0.2)&(df["c4"]<0.8))
　　df.loc[query_my_data,:]
　　c1 c2 c3 c4 c5
　　B 0.845310 0.545040 0.946026 0.106405 0.984376
　　C 0.844622 0.947104 0.878854 0.377638 0.175846
　　E 0.139952 0.420424 0.364295 0.012773 0.307853


　　##########################################


　　df.iloc方法查詢


　　同df.loc類似，根據(jù)索引定位


　　#提取2-3行，1-2列數(shù)據(jù)


　　df.iloc[1:3,0:2]


　　>>>df.iloc[1:3,0:2]
　　c1 c2
　　B 0.564688 0.102398
　　C 0.319272 0.720225


　　##########################################


　　#提取第二第三行，第4列數(shù)據(jù)


　　df.iloc[[1,2],[3]]


　　c4
　　B 0.091373
　　C 0.910206

　　##########################################


　　#提取指定位置單個數(shù)值


　　df.iloc[3,4]


　　>>>df.iloc[3,4]
　　0.2580148841605816


　　綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家?guī)韼椭?/p>

文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址：http://m.hztianpu.com/yun/128343.html

相關(guān)文章

  • Pandas之旅（一): 讓我們把基礎知識一次擼完，申精干貨

    為什么你需要pandas 大家好，今天想和大家分享一下有關(guān)pandas的學習新的，我因工作需要，從去年12月開始接觸這個非常好用的包，到現(xiàn)在為止也是算是熟悉了一些，因此發(fā)現(xiàn)了它的強大之處，特意想要和朋友們分享，特別是如果你每天和excel打交道，總是需要編寫一些vba函數(shù)或者對行列進行g(shù)roupby啊，merge，join啊之類的，相信我，pandas會讓你解脫的。 好啦，閑話少說，這篇文章的基礎...

    tuomao 評論0 收藏0

  • python_pandas學習

    摘要：的名稱來自于面板數(shù)據(jù)和數(shù)據(jù)分析。以下的內(nèi)容主要以為主。終端輸入導入相關(guān)模塊是一種類似于一維數(shù)組的對象，它由一組數(shù)據(jù)各種數(shù)據(jù)類型以及一組與之相關(guān)的數(shù)據(jù)標簽即索引組成。如果僅傳入一個序列，則會重新索引行函數(shù)的參數(shù)參數(shù)說明用作索引的新序列。 原文鏈接 numPy pandas的數(shù)據(jù)結(jié)構(gòu)介紹 簡介 Pandas [1] 是python的一個數(shù)據(jù)分析包，最初由AQR Capital Mana...

    codercao 評論0 收藏0

  • 【數(shù)據(jù)科學系統(tǒng)學習】Python # 數(shù)據(jù)分析基本操作[二] pandas

    摘要：中面向行和面向列的操作基本是平衡的。用層次化索引，將其表示為更高維度的數(shù)據(jù)。使用浮點值表示浮點和非浮點數(shù)組中的缺失數(shù)據(jù)。索引的的格式化輸出形式選取數(shù)據(jù)子集在內(nèi)層中進行選取層次化索引在數(shù)據(jù)重塑和基于分組的操作中很重要。 我們在上一篇介紹了 NumPy，本篇介紹 pandas。 pandas入門 Pandas 是基于Numpy構(gòu)建的，讓以NumPy為中心的應用變的更加簡單。 pandas...

    jayzou 評論0 收藏0

  • 用Python做數(shù)據(jù)分析：Pandas常用數(shù)據(jù)查詢語法

    摘要：在使用之前，大多數(shù)數(shù)據(jù)分析師已經(jīng)掌握了和，并且在剛上手時會經(jīng)常習慣性想到老辦法。這種根據(jù)列值選取行數(shù)據(jù)的查詢操作，推薦使用方法。如果我又有一批數(shù)據(jù)，需要將兩部分數(shù)據(jù)合并。 大毛 豈安科技業(yè)務風險分析師 多年訂單業(yè)務反欺詐經(jīng)驗，負責豈安科技多款產(chǎn)品運營工作。 在使用Pandas之前，大多數(shù)數(shù)據(jù)分析師已經(jīng)掌握了Excel和SQL，并且在剛上手Pandas時會經(jīng)常習慣性想到老辦法。如果誰能把...

    gghyoo 評論0 收藏0

  • 【數(shù)據(jù)科學系統(tǒng)學習】Python # 數(shù)據(jù)分析基本操作[四] 數(shù)據(jù)規(guī)整化和數(shù)據(jù)聚合與分組運算

    摘要：數(shù)據(jù)規(guī)整化清理轉(zhuǎn)換合并重塑數(shù)據(jù)聚合與分組運算數(shù)據(jù)規(guī)整化清理轉(zhuǎn)換合并重塑合并數(shù)據(jù)集可根據(jù)一個或多個鍵將不同中的行鏈接起來。函數(shù)根據(jù)樣本分位數(shù)對數(shù)據(jù)進行面元劃分。字典或，給出待分組軸上的值與分組名之間的對應關(guān)系。 本篇內(nèi)容為整理《利用Python進行數(shù)據(jù)分析》，博主使用代碼為 Python3，部分內(nèi)容和書本有出入。 在前幾篇中我們介紹了 NumPy、pandas、matplotlib 三個...

    The question 評論0 收藏0

發(fā)表評論

0條評論

閱讀需要支付1元查看
<