Python pandas数据查询实战：从基础选取到多条件过滤

前言

在当前的数据分析领域，Python和R语言占据着主流地位。本文将深入探讨如何使用Python中的pandas库进行数据查询操作，并分享具体的代码示例供读者参考学习。接下来我们将直接进入主题，详细解析相关用法。

示例代码

这里的“查询数据”功能类似于R语言中的subset函数，主要利用布尔索引来有选择地提取原数据的子集、特定行或特定列。首先，我们需要导入一个名为student的数据集作为演示基础：

student = pd.io.parsers.read_csv('C:\\Users\\admin\\Desktop\\student.csv')

若要查询数据的前5行或最后5行，可以使用以下方法：

student.head()
student.tail()

对于需要查询特定行的场景，操作如下：

student.ix[[0,2,4,5,7]] #这里的ix索引标签函数必须是中括号[]

当需要指定查询特定的列时，代码示例如下：

student[['Name','Height','Weight']].head() #如果多个列的话，必须使用双重中括号

此外，还可以利用ix索引标签来查询指定的列：

student.ix[:,['Name','Height','Weight']].head()

如果需要同时查询特定的行和特定的列，可以结合使用索引：

student.ix[[0,2,4,5,7],['Name','Height','Weight']].head()

例如，查询所有性别为女生（Sex为'F'）的信息：

student[student['Sex']=='F']

若要查询所有年龄大于12岁的女生信息，逻辑如下：

student[(student['Sex']=='F') & (student['Age']>12)]

进一步，如果只需查询出所有12岁以上女生的姓名、身高和体重，可以这样操作：

student[(student['Sex']=='F') & (student['Age']>12)][['Name','Height','Weight']]

上述查询逻辑相对直观，但有一个关键点需要注意：当涉及多个条件的查询时，必须在逻辑运算符&（表示且）或|（表示或）的两端条件加上括号，以确保运算优先级正确。

总结

以上就是本文介绍的全部内容，希望这些关于pandas数据查询的示例能对您的学习或工作有所帮助。如果您有任何疑问，欢迎留言交流，感谢大家对本站的支持。