在pandas中怎么樣實現(xiàn)類似mysql查找語句的功能：
select * from table where column_name = some_value;pandas中獲取數(shù)據(jù)的有以下幾種方法：
假設(shè)數(shù)據(jù)如下:
import pandas as pdimport numpy as npdf = pd.DataFrame({'A': 'foo bar foo bar foo bar foo foo'.split(), 'B': 'one one two three two two one three'.split(), 'C': np.arange(8), 'D': np.arange(8) * 2})
該方法其實就是找出每一行中符合條件的真值(true value)，如找出列A中所有值等于foo
df[df['A'] == 'foo'] # 判斷等式是否成立
使用iloc方法，根據(jù)索引的位置來查找數(shù)據(jù)的。這個例子需要先找出符合條件的行所在位置
mask = df['A'] == 'foo'pos = np.flatnonzero(mask) # 返回的是array([0, 2, 4, 6, 7])df.iloc[pos]#常見的iloc用法df.iloc[:3,1:3]
如何DataFrame的行列都是有標簽的，那么使用loc方法就非常合適了。
df.set_index('A', append=True, drop=False).xs('foo', level=1) # xs方法適用于多重索引DataFrame的數(shù)據(jù)篩選# 更直觀點的做法df.index=df['A'] # 將A列作為DataFrame的行索引df.loc['foo', :]# 使用布爾df.loc[df['A']=='foo']
pd.DataFrame.query方法在數(shù)據(jù)量大的時候，效率比常規(guī)的方法更高效。
df.query('A=='foo'')# 多條件df.query('A=='foo' | A=='bar'')
數(shù)據(jù)提取不止前面提到的情況，第一個答案就給出了以下幾種常見情況：1、篩選出列值等于標量的行，用==
df.loc[df['column_name'] == some_value]2、篩選出列值屬于某個范圍內(nèi)的行，用isin
df.loc[df['column_name'].isin(some_values)] # some_values是可迭代對象3、多種條件限制時使用&，&的優(yōu)先級高于>=或<=，所以要注意括號的使用
df.loc[(df['column_name'] >= A) & (df['column_name'] <= B)]4、篩選出列值不等于某個/些值的行
df.loc[df['column_name'] != 'some_value']df.loc[~df['column_name'].isin('some_values')] #~取反聯(lián)系客服
