Pandas数据筛选进阶：高效使用 df.query() 方法

传统索引对比与 query 优势

在 Pandas 中，常规的多条件筛选依赖链式布尔索引。例如筛选最高温不超过 30 度、最低温高于 15 度、且空气质量为优的记录，需反复引用 DataFrame 对象：

df[
    (df["bWendu"] <= 30) & 
    (df["yWendu"] >= 15) & 
    (df["tianqi"] == '晴') & 
    (df["aqiLevel"] == 1)
]

随着条件叠加，括号层级加深会显著降低可读性。df.query() 允许直接使用列名构建自然语言风格的表达式，不仅代码更紧凑，底层还由 NumExpr 引擎加速，适合复杂条件的连续运算。

第一步：标准化温度字段与确认数据入口

目的为消除原始文本中的单位后缀，确保后续数值比较不被报错；入口为通过 pd.read_csv 加载的 DataFrame；动作为定位指定列并执行字符串替换与类型转换；重要参数为 inplace=False 与 astype('int32')；可观察的完成状态为温度列已成功转为整型并移除 “℃” 符号。

# 读取原始天气数据
import pandas as pd
df = pd.read_csv("beijing_tianqi_2018.csv")

# 清理温度格式
df.loc[:, "bWendu"] = df["bWendu"].str.replace("℃", "").astype('int32')
df.loc[:, "yWendu"] = df["yWendu"].str.replace("℃", "").astype('int32')

第二步：编写基础条件表达式执行单维过滤

目的为快速提取满足单一阈值标准的行数据；入口为 df.query() 方法；动作为传入包含比较运算符的字符串表达式；重要参数为左值列名、右值常量与运算符（<, >, == 等）；可观察的完成状态为返回仅包含符合条件记录的子集 DataFrame。

# 查询最低温度低于 -10 度的日期
# 注：原文此处代码误写为 < 3，已根据业务描述修正

df.query("yWendu < -10").head()

第三步：组合多条件与跨列运算进行复合筛选

目的为同时限制多个维度指标或计算同一行内字段差值；入口为同一 query 调用链；动作为使用 & 连接各项判断，并允许在表达式内直接写减法求温差；重要参数为逻辑与 & 以及算术减号 -；可观察的完成状态为结果表同时满足各独立条件或温差要求。

# 多条件并列查询
high_temp_ok = df.query("bWendu <= 30 & yWendu >= 15 & tianqi == '晴' & aqiLevel == 1")

# 跨列计算查询温差
large_diff = df.query("bWendu - yWendu >= 15").head()

第四步：使用 @ 符号接入外部变量实现动态控制

目的为避免硬编码阈值，使查询逻辑具备运行时灵活性；入口为 query 字符串内部；动作为在变量名前加 @ 前缀引用当前命名空间对象；重要参数为已定义的 Python 标量或列表；可观察的完成状态为程序能实时读取内存中的变量值并代入表达式完成过滤。

# 定义动态温度区间
min_bound = 13
max_bound = 15

# 注入外部变量执行范围查询
df.query("yWendu >= @min_bound & yWendu <= @max_bound").head()

底层机制与注意事项

df.query() 的语法解析器来自 NumExpr，因此默认关闭了对部分内置 Python 函数的直接支持。使用时需注意以下几点：

• 若 DataFrame 列名包含空格或特殊字符（如 Last Name），必须在表达式中使用反引号包裹，即 `Last Name`。
• 字符串匹配建议统一使用双引号包裹表达式，单引号包裹列内文本内容，防止解析冲突。
• 对于极简单的单次切片，传统布尔索引开销更低；仅当条件超过两个或需频繁变更过滤参数时，query 的综合收益才会完全显现。

以上就是 Pandas 中使用 df.query() 方法查询数据的详细内容，更多关于数据筛选与代码优化的资料请关注本站其它相关文章！