乐趣区

关于人工智能:10快速入门Query函数使用的Pandas的查询示例

pandas. 的 query 函数为咱们提供了一种编写查问过滤条件更简略的办法,特地是在的查问条件很多的时候,在本文中整顿了 10 个示例,把握着 10 个实例你就能够轻松的应用 query 函数来解决任何查问的问题。

首先,将数据集导入 pandas DataFrame – df

import pandas as pd
df = pd.read_csv("Dummy_Sales_Data_v1.csv")
df.head()

它是一个简略的 9999 x 12 数据集,是应用 Faker 创立的,我在最初也会提供本文的所有源代码。

在开始之前,先疾速回顾一下 pandas - 中的查问函数 query。查问函数用于依据指定的表达式提取记录,并返回一个新的 DataFrame。表达式是用字符串模式示意的条件或条件的组合。

PANDAS DATAFRAME(.loc 和.iloc)属性用于依据行和列标签和索引提取数据集的子集。因而,它并不具备查问的灵活性。而括号符号 [] 能够灵便地基于条件过滤数据帧,然而如果条件很多的话编写代码是繁琐且容易出错的。

pandas query()函数能够灵便地依据一个或多个条件提取子集,这些条件被写成表达式并且不须要思考括号的嵌套

在后端 pandas 应用 eval()函数对该表达式进行解析和求值,并返回表达式被求值为 TRUE 的数据子集或记录。所以要过滤 pandas DataFrame,须要做的就是在查问函数中指定条件即可。

应用繁多条件进行过滤

在单个条件下进行过滤时,在 Query()函数中表达式仅蕴含一个条件。返回的输入将蕴含该表达式评估为真的所有行。

示例 1

提取数量为 95 的所有行,因而逻辑模式中的条件能够写为 –

Quantity == 95

须要将条件写成字符串,行将其包装在双引号“”中。query 代码如下

df.query("Quantity == 95")

看起来很简略。它返回了数量为 95 的所有行。如果用个别查问的形式能够写成:

df [df [“Quantity”] == 95]

然而,如果想在同一列中再蕴含一个条件怎么办?

它在括号符号中又减少了一对方括号,如果是 3 个条件或者更多条件呢?那么他就变得难以治理。这就是 Query 的劣势了。

在多个条件过滤

一个或多个条件下过滤,query()的语法都放弃不变

然而须要指定两个或多个条件进行过滤的形式

  • and:回在满足两个条件的所有记录
  • or:返回满足任意条件的所有记录

示例 2

查问数量为 95&单位价格为 182,这里蕴含单价的列被称为 UnitPrice(USD)

因而,条件是 –

Quantity == 95
UnitPrice(USD) == 182

那么代码就是:

df.query("Quantity == 95 and UnitPrice(USD) == 182")

这个查问会报错:

然而为什么报错?

这是因为 query()函数对列名有一些限度。列名称 UnitPrice(USD)是有效的。咱们要应用反引号把列名蕴含起来

df.query("Quantity == 95 and `UnitPrice(USD)` == 182")

当两个条件满足时,只有 3 个记录。

或者咱们间接将列名改成正当的格局:

df.rename(columns={'UnitPrice(USD)':'UnitPrice', 
                   'Shipping_Cost(USD)':'Shipping_Cost',
                   'Delivery_Time(Days)':'Delivery_Time'},
          inplace=True)

这里就不须要应用反引号了:

df.query("Quantity == 95 and UnitPrice == 182")

示例 3

咱们当初只须要满足一个条件:

df.query("Quantity == 95 or UnitPrice == 182")

它返回满足两个条件中的任意一个条件的所有列。

咱们也能够应用 | 代替 or 关键字。

示例 4

假如想取得数量不等于 95 的所有行。最简略的答案是在条件之前应用 not 关键字或否定操作符〜

df.query("not (Quantity == 95)")

后果它蕴含数量不是 95 的所有行。

其实这里的条件不肯定必须是相等运算符,能够从 ==,!=,>,<,≥,≤中抉择,例如

df.query("Quantity != 95")

文本列过滤

对于文本列过滤时,条件是列名与字符串进行比拟。

请 Query()表达式曾经是字符串。那么如何在另一个字符串中写一个字符串?将文本值包装在单个引号“”中,就能够了

示例 5

想取得即状态“未发货”所有记录,能够在 query()表达式中写成如下的模式:

df.query("Status =='Not Shipped'")

它返回所有记录,其中状态列蕴含值 –“未发货”。

与数值的相似能够在同一列或不同列上应用多个条件,并且能够是数值和非数值列上条件的组合。

除此以外,Pandas Query()还能够在查问表达式中应用数学计算

查问中的简略数学计算

数学操作能够是列中的加,减,乘,除,甚至是列中值或者平方等,如下所示:

示例 6

df.query("Shipping_Cost*2 < 50")

尽管这个二次方的操作没有任何的实际意义,然而咱们的示例返回了所有达到要求的行。

咱们还能够在一个或多个列上蕴含一些简单的计算。

示例 7

咱们轻易写一个比较复杂的公式:

df.query("Quantity**2 + Shipping_Cost**2 < 500")

如果应用最原始的 [] 的模式,这个公式的查问基本上没法实现,然而应用 query()函数则变为简略的多

除了数学操作,还能够在查问表达式中应用内置函数。

查问中的内置函数

Python 内置函数,例如 SQRT(),ABS(),Factorial(),EXP()等,也能够在查问表达式中应用。

示例 8

查找单位价格平方根的超过 15 的行

df.query("sqrt(UnitPrice) > 15")

query()函数还能够在同一查问表达式将函数和数学运算整合应用

示例 9

df.query("sqrt(UnitPrice) < Shipping_Cost/2")

到目前为止,所有查问示例都是对于数值和文本列的。然而,query()的还不仅限于这些数据类型,对于日期工夫值 Query()函数也能够非常灵活的过滤。

日期工夫列过滤

应用 Query()函数在日期工夫值上进行查问的惟一要求是,蕴含这些值的列应为数据类型 dateTime64 [ns]

在示例数据中,OrderDate 列是日期工夫,然而咱们的 df 其解析为字符串,所以咱们须要先进行转换:

df["OrderDate"] = pd.to_datetime(df["OrderDate"], format="%Y-%m-%d")

为了提取无关日期的有用信息并在 Query()须要应用 DT 提取器,DT 是一种拜访对象,用于提取日期工夫,例如 DateTime 系列的属性。

示例 10

取得八月份的所有记录

df.query("OrderDate.dt.month == 8")

所有记录都是八月份的。OrderDate.dt.month 显示了如何应用 DT 访问者仅提取整个日期值的月份值。

如果提取 2021 年 8 月订购日为 15 或以上的所有订单,能够写成这样

df.query("OrderDate.dt.month == 8 and OrderDate.dt.year == 2021 and OrderDate.dt.day >=15")

DT 很好用并且能够在同一列上联合了多个条件,但表达式仿佛太长了。所以能够通过编写更非常简单的表达式来过滤:

df.query("OrderDate >='2021-08-15'and OrderDate <='2021-08-31'")

咱们间接传递一个合乎日期格局的字符串,它会主动的转换并且比拟

将下面的所有内容整合:

df.query("OrderDate >='2021-08-15'and OrderDate <='2021-08-31'and Status =='Delivered'")

查问表达式蕴含了日期工夫和文本列条件,它返回了合乎查问表达式的所有记录

替换

下面的查问中都会生成一个新的 df。这是因为:query()的第二个参数(inplace)默认 false。

与个别的 pandas 提供的函数一样,Inplace 的默认值都是 false,查问不会批改原始数据集。如果咱们想笼罩原始 df 时,须要将 intplace = true。然而肯定要小心应用 intplace = true,因为它会笼罩原始的数据。

总结

我心愿在浏览本文后,您能够更频繁,流利地应用 Pandas Query()函数,因为 Query 能够不便以过滤数据集。这些查问的函数我每天都会或多或少的应用。

本文的所有示例代码在这里:

https://avoid.overfit.cn/post/2f07763913a948a5b074e2430b8b2b8e

退出移动版