Pandas Query 方法深度总结，你学会了吗？

发布时间：2025-11-03 17:09:34 来源：码上建站 作者：人工智能

大多数 Pandas 用户都熟悉 iloc[]​ 和 loc[] 索引器方法，方法深用于从 Pandas DataFrame 中检索行和列。度总但是结学随着检索数据的规则变得越来越复杂，这些方法也随之变得更加复杂而臃肿。方法深

同时 SQL 也是度总我们经常接触且较为熟悉的语言，那么为什么不使用类似于 SQL 的结学东西来查询我们的数据呢？

事实证明实际上可以使用 query()​ 方法做到这一点。因此，方法深在今天的度总文章中，我们将展示如何使用 query() 方法对数据框执行查询。结学

我们使用 kaggle 上的方法深 Titanic 数据集作为本文章的测试数据集，下载地址如下：

https://www.kaggle.com/datasets/tedllh/titanic-train

当然也可以在文末获取到萝卜哥下载好的度总数据集

载入数据

下面文末就可以使用 read_csv 来载入数据了

import pandas as pd

df = pd.read_csv(titanic_train.csv)

数据集有 891 行和 12 列：

让我们找出从南安普敦 (‘S’) 出发的所有乘客，可以使用方括号索引，结学代码如下所示：

如果使用 query() 方法，方法深那么看起来更整洁：

与 SQL 比较，度总则 query() 方法中的结学表达式类似于 SQL 中的 WHERE 语句。

结果是一个 DataFrame，其中包含所有从南安普敦出发的乘客：

query() 方法接受字符串作为查询条件串，站群服务器因此，如果要查询字符串列，则需要确保字符串被正确括起来：

很多时候，我们可能希望将变量值传递到查询字符串中，可以使用 @ 字符执行此操作：

embarked = S

或者也可以使用 f 字符串，如下所示：

就个人而言，我认为与 f-string 方式相比，使用 @ 字符更简单、更优雅，你认为呢

如果列名中有空格，可以使用反引号 (``) 将列名括起来：

以 In-place 的方式执行 query 方法

当使用 query() 方法执行查询时，该方法将结果作为 DataFrame 返回，原始 DataFrame 保持不变。如果要更新原始 DataFrame，需要使用 inplace 参数，如下所示：

当 inplace 设置为 True 时，query() 方法将不会返回任何值，原始 DataFrame 被修改。

我们可以在查询中指定多个条件，例如假设我想获取所有从南安普敦 (‘S’) 或瑟堡 (‘C’) 出发的乘客。如果使用方括号索引，这种语法很快变得非常笨拙：

我们注意到，在这里我们需要在查询的条件下引用 DataFrame 两次，而使用 query() 方法，就简洁多了：

查询结果如下：

如果要查找所有不是从南安普敦（‘S’）或瑟堡（‘C’）出发的乘客，可以在 Pandas 中使用否定运算符 (~)：

使用 query() 方法，网站模板只需要使用 not 运算符：

以下输出显示了从皇后镇 (‘Q’) 出发的乘客以及缺失值的乘客：

说到缺失值，该怎么查询缺失值呢，当应用于列名时，我们可以使用 isnull() 方法查找缺失值：

现在将显示 Embarked 列中缺少值的行：

其实可以直接在列名上调用各种 Series 方法：

df.query(Name.str.len() < 20) # find passengers whose name is

# less than 20 characters

df.query(fTicket.str.startswith("A")) # find all passengers whose

比较数值列

我们还可以轻松比较数字列：

以下输出显示了票价大于 50 的所有行：

比较多个列

还可以使用 and、or 和 not 运算符比较多个列，以下语句检索 Fare 大于 50 和 Age 大于 30 的所有行：

下面是查询结果：

查询索引

通常当我们想根据索引值检索行时，可以使用 loc[] 索引器，如下所示：

但是使用 query() 方法，使得事情变得更加直观：

结果如下：

如果要检索索引值小于 5 的所有行：

结果如下：

我们还可以指定索引值的范围：

结果如下：

比较多列

我们还可以比较列之间的值，例如以下语句检索 Parch 值大于 SibSp 值的所有行：

结果如下：

从上面的示例可以看出，query() 方法使搜索行的语法更加自然简洁，希望感兴趣的小伙伴多加练习，真正的达到融会贯通的地步哦！

相关文章