如何查询你的Pandas数据帧？

如何查询你的Pandas数据帧？

无论您从数据工程师/数据分析师转型而来，还是想成为更高效的数据科学家，查询数据帧都是返回所需特定行的一种很有用的方法。值得一提的是，pandas有一个特定的查询函数，名为query。不过，我将讨论您可以模拟查询、过滤和合并数据的其他方式。我们将介绍您对数据提出的常见场景或问题，将使用Python而不是SQL来完成。在下面，我将概述使用Python编程语言针对Pandas数据帧查询行的几个简单方法。

多个条件

图1. 示例数据

作为数据科学家或数据分析师，我们希望返回数据的特定行。其中一个场景是您希望在同一行代码中运用多个条件。为了展示例子，我创建了名和姓的几个虚假的示例数据，以及他们各自的性别和生日。该数据显示在上面的屏幕截图中。

示例多个条件本质上将回答一个特定的问题，就像您使用SQL时一样。问题是，我们的数据中有多少比例的数据是男性或出生于2010年至2021年之间的人。

下面是将解决这个问题的代码(有几种方法可以回答这个问题，但这是我的具体方法)：

print(“Percent of data who are Males OR were born between 2010 and 2021:”,  100*round(df[(df[‘Gender’] == ‘M’) | (df[‘Birthdate’] >= ‘2010–01–01’) &   (df[‘Birthdate’] <= ‘2021–01–01’)][‘Gender’].count()/df.shape  [0],4), “%”)

为了更好地直观显示该代码，我还包含了上面相同代码的屏幕截图以及输出/结果。您还可以运用这些条件来返回实际行，而不是从总行中获取一小部分或百分比的行。

图2. 条件代码

这是我们执行的命令的顺序：

返回带有男性性别的行包括OR函数 |返回出生日期> 2010和2021的行将所有这些组合起来，然后除以总行数

如您所见，该代码与您在SQL中看到的相似。我个人认为在pandas中更容易，因为它可以减少代码，同时还可以在一个简单的地方直观地看到所有代码，无需上下滚动(但这种格式只是本人青睐的)。

按多个特定列合并

图3. 合并数据帧结果

我们可能已经在其他教程中看到了如何将数据帧合并在一起，所以我想添加一种我还没有真正见过的一种独特方法，即按多个特定列合并。在这种情况下，我们想要加入两个数据帧，其中两个字段在它们之间共享。不难看出：如果有更多列，这种方法可能更有用。

我们有第一个数据帧df，然后我们按第二个数据帧df2合并列。这是实现我们预期结果的代码：

merged_df = df.merge(df2, how=’inner’,   left_on=cols,   right_on=cols  )

为了更好地直观显示这种合并和代码，我给出了下面的屏幕截图。您会在下面看到第二个数据帧的样子，包括名和姓，就像它们在第一个数据帧中一样，但有一个新的列：Numeric。然后，我们有想要合并的特定列，同时返回列Gender、Birthdate和新的Numeric列。列其实是诸多列的列表，名为 cols。

图4. 合并数据帧

如您所见，这种合并数据帧的方式是一种获得可从SQL查询获得的同样结果的简单方法。

结语

在本教程中，我们看到您将在SQL中执行的两个常见问题或查询，但最终使用Python中的Pandas数据帧来执行它们。

总而言之，以下是我们所处理的两个场景：

从多个条件返回总数据集的百分比的行按多个特定列合并，以返回带有新列的最终数据帧。

原文标题：How to Query Your Pandas Dataframe，作者：Matthew Przybyla

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。