【pandas数据查询df.loc方法看视频笔记】

数据查询df.loc方法看视频笔记】"/>

【pandas数据查询df.loc方法看视频笔记】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 前言
• • ​
• 一、视频链接
• 二、笔记
• • 1.df.loc方法
  • 2.df.iloc:根据行、列的数字位置查询
  • 3.df.where
  • 4.df.query
• 总结

前言

提示：这里可以添加本文要记录的大概内容：

​
视频链接：=4

pandas数据查询，按数值、列表、区间、条件、函数五种方式

​

提示：以下是本篇文章正文内容，下面案例可供参考

一、视频链接

视频链接：=4

二、笔记

1.df.loc方法

df.loc方法：根据行、列的标签值查询,df.loc既可以查询，可以覆盖写入
代码如下（示例）：

import numpy as np
import pandas as pd
df=pd.read_excel("./data/test.xls")#测试数据
#设定某一列（日期）为索引，方便按照日期筛选
df.set_index("日期",inplace=True)
#替换最高温度列的后缀℃,首先":"是为了筛选出所有的行，再找到“最高温度”这一列，再把它替换成
df.loc[:,"最高温度"]=df["最高温度"].str.replace("℃","").astype("int32")
df.loc[:,"最低温度"]=df["最低温度"].str.replace("℃","").astype("int32")
#以上数据处理完成

a可以使用单个label值查询数据

df.loc['2018-01-03',"最高温度"]
#查找索引为20180103的最高温度，结果就是一个单个的数字32
df.loc['2018-01-03',["最高温度","最低温度"]]
#这样返回的是一个series

b使用值列表批量查询

df.loc[['2018-01-03','2018-01-04','2018-01-05'],"最高温度"]
#查找索引为上面3天的最高温度，结果就是series
df.loc[['2018-01-03','2018-01-04','2018-01-05'],["最高温度","最低温度"]]
#这样返回的是一个dataframe

c使用数值区间进行范围查询

df.loc['2018-01-03':'2018-01-05',"最高温度"]
#查找按照行的index的区间
df.loc['2018-01-03',"最高温度":"最低温度"]
#查找按照列的index的区间
df.loc['2018-01-03':'2018-01-05',"最高温度":"最低温度"]
#行、列区间都有

d使用条件表达式查询

df.loc[df.loc["最高温度"]<10,:]
#查找最高温度小于10的列表，这样使用的条件是bool运算df.loc[]<10的列表长度等于行数或列数
df.loc[['2018-01-03','2018-01-04','2018-01-05'],["最高温度","最低温度"]]
#这样返回的是一个dataframe#复杂的条件查询，组合条件用&，每个条件判断得带括号
df.loc[(df.loc["最高温度"]<30)&(df.loc["最低温度"]>15)&(df.loc["风向"]=="北风"),:]

e调用函数查询

#使用匿名函数lambda表达式，举例lambda x: x*2,意思是输出x，x=x*2
df.loc[lambda df :(df.loc["最高温度"]<30)&(df.loc["最低温度"]>15),:]#也可以自己编写函数后再查询
def qurry_df(df):return df.index.str.startswith('2018-09')&df["最高温度"]<30
df.loc[query_df,:]

2.df.iloc:根据行、列的数字位置查询

3.df.where

4.df.query

总结

提示：这里对文章进行总结：
loc[]方法有很多种应用，笔记看不懂就看视频，视频说得蛮清楚的