【pandas】-2-数据查询

【pandas】-1-读取数据
【pandas】-2-数据查询
【pandas】-3-Pandas 索引
【pandas】-4- 索新增列，assign，applay,map使用
【pandas】-5-缺失值处理
【pandas】-6-排序&去重
【pandas】-7-数据分组处理
【pandas】-8-数据变形/数据透视

2.Pandas数据查询

import pandas as pd

# 创建一个示例 DataFrame
data = {
    '姓名': ['张三', '李四', '王五', '赵六', '钱七', '孙八'],
    '部门': ['销售', '技术', '技术', '市场', '销售', None],
    '年龄': [25, 32, 28, 45, 36, 80],
    '工资': [50000, 85000, 72000, 60000, 48000, 8000],
    '入职年份': [2019, 2016, 2018, 2010, 2020, 2021]
}
df = pd.DataFrame(data)
print(df)

2.1 布尔索引(最常用，最基础)

用法： df[条件]

# 筛选出所有“技术”部门的员工
condition = df['部门'] == '技术' # 这会得到一个布尔序列
tech_employees = df[condition]
# 更常见的写法是直接写在一起
tech_employees = df[df['部门'] == '技术']
print(tech_employees)

多条件组合：
使用 & (与), | (或), ~ (非) 来组合多个条件，每个条件必须用括号 () 括起来。

# 筛选出“技术”部门且“年龄大于30”的员工
tech_and_over_30 = df[(df['部门'] == '技术') & (df['年龄'] > 30)]
print(tech_and_over_30)

# 筛选出“技术”部门“或”“工资大于70000”的员工
tech_or_high_salary = df[(df['部门'] == '技术') | (df['工资'] > 70000)]
print(tech_or_high_salary)

# 筛选出“非销售”部门的员工
not_sales = df[~(df['部门'] == '销售')]
print(not_sales)

2.2 query() 方法

这种方法非常 简洁和直观，允许你使用字符串表达式进行查询，类似于 SQL 的 WHERE 子句。对于列名中有空格的情况尤其有用。

需要注意外层单引号，值双引号

# 等价于 df[(df['部门'] == '技术') & (df['年龄'] > 30)]
result = df.query('部门 == "技术" and 年龄 > 30')
print(result)

# 使用变量进行查询（注意用 @ 符号引用外部变量）
threshold = 60000
result = df.query('工资 > @threshold and 入职年份 > 2015')
print(result)

2.3 loc 和 iloc 索引器

这两个方法主要用于 通过标签或位置选择行和列，但也常用于查询。

• loc[]: 基于 标签（index, column names） 进行选择。
• iloc[]: 基于 整数位置（0-indexed） 进行选择。

用法： df.loc[行条件, 列条件] 行 列 用 【逗号】 分割

# 使用 loc 进行布尔索引（最常用）
# 选择所有“销售”部门的行，并显示“姓名”和“工资”列
sales_info = df.loc[df['部门'] == '销售', ['姓名', '工资']]
print(sales_info)

# 使用 loc 按标签选择行
# 选择 index 为 1 和 2 的行，以及从‘姓名’到‘工资’的列
subset = df.loc[1:2, '姓名':'工资'] # 注意：loc的切片是包含末位的！
print(subset)

# 使用 iloc 按位置选择，行切片不包含末位
# 选择第2行（index=1）和第3行（index=2），第1列（index=0）和第3列（index=2）
# 语法：df.iloc[行位置, 列位置]
subset_by_position = df.iloc[1:3, [0, 2]] # 行切片不包含末位，与列表切片一致
print(subset_by_position)

2.4 isin() 方法

当你需要筛选某列的值 属于一个列表 中的任意一个时，这种方法非常高效。

用法： df[df[‘列名’].isin(列表)]

# 筛选出部门是“销售”或“市场”的员工
target_departments = ['销售', '市场']
result = df[df['部门'].isin(target_departments)]
print(result)

# 与 ~ 结合使用，筛选出“不属于”这些部门的员工
result = df[~df['部门'].isin(target_departments)]
print(result) # 输出：技术部的员工

2.5 字符串方法 (str.contains)

当需要基于文本内容进行 模糊匹配（如包含某个字符）时使用。

用法： df[df[‘列名’].str.contains(‘字符串’)]

# 筛选出姓名中包含“五”的员工
result = df[df['姓名'].str.contains('五')]
print(result)

# 通常搭配 na=False 处理NaN值，搭配 case=False 进行不区分大小写匹配
result = df[df['部门'].str.contains('技', na=False, case=False)]
print(result)

总结与选择建议

建议：

• 新手入门：先从 布尔索引 开始，这是所有方法的基础。
• 简单条件：直接用布尔索引 df[df[‘A’] > 10]。
• 多条件查询：优先考虑使用 query()，代码会更清晰。
• 选择特定行列：一定要用 loc/iloc。
• 检查是否在列表中：毫不犹豫地用 isin()。
• 处理文本模糊查找：记得用 str.contains()。