在pandas中怎麼樣實現類似mysql查詢語句的功能：

select * from table where column_name = some_value;

pandas中獲取資料的有以下幾種方法：

• 布林索引
• 位置索引
• 標籤索引
• 使用API

假設資料如下:

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': 'foo bar foo bar foo bar foo foo'.split(),'B': 'one one two three two two one three'.split(),'C': np.arange(8),'D': np.arange(8) * 2})

布林索引

該方法其實就是找出每一行中符合條件的真值(true value)，如找出列A中所有值等於foo

df[df['A'] == 'foo'] # 判斷等式是否成立

位置索引

使用iloc方法，根據索引的位置來查詢資料的。這個例子需要先找出符合條件的行所在位置

mask = df['A'] == 'foo'
pos = np.flatnonzero(mask) # 返回的是array([0,2,4,6,7])
df.iloc[pos]

#常見的iloc用法
df.iloc[:3,1:3]

標籤索引

如何DataFrame的行列都是有標籤的，那麼使用loc方法就非常合適了。

df.set_index('A',append=True,drop=False).xs('foo',level=1) # xs方法適用於多重索引DataFrame的資料篩選

# 更直觀點的做法
df.index=df['A'] # 將A列作為DataFrame的行索引
df.loc['foo',:]

# 使用布林
df.loc[df['A']=='foo']

使用API

pd.DataFrame.query方法在資料量大的時候，效率比常規的方法更高效。

df.query('A=="foo"')

# 多條件
df.query('A=="foo" | A=="bar"')

資料提取不止前面提到的情況，第一個答案就給出了以下幾種常見情況：

1、篩選出列值等於標量的行，用==

df.loc[df['column_name'] == some_value]

2、篩選出列值屬於某個範圍內的行，用isin

df.loc[df['column_name'].isin(some_values)] # some_values是可迭代物件

3、多種條件限制時使用&，&的優先順序高於>=或<=，所以要注意括號的使用

df.loc[(df['column_name'] >= A) & (df['column_name'] <= B)]

4、篩選出列值不等於某個/些值的行

df.loc[df['column_name'] != 'some_value']

df.loc[~df['column_name'].isin('some_values')] #~取反

到此這篇關於使用pandas實現篩選出指定列值所對應的行的文章就介紹到這了,更多相關pandas 篩選指定列值內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！