Pandas中df.loc()数据查询方法有哪些应用场景？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1404个文字，预计阅读时间需要6分钟。
Pandas最核心的方法是数据操作，其中最重要的功能是：
1. 数据清洗与预处理：使用`read_csv()`、`dropna()`等方法处理和清洗数据。
2.数据转换与操作：通过`apply()`、`pivot_table()`等函数进行数据转换和聚合。
3.数据可视化：利用`plot()`、`hist()`等方法进行数据可视化分析。
了解这些核心知识，可以更高效地使用Pandas进行数据分析和处理。
一、写在前面
如果说Pandas最重要的方法是什么，毫无疑问就是查询数据；所以，这节的内容应当是Pandas的核心知识点。能够按我们的要求查询出所需的数据，是我们使用Pandas的最重要功能！ 综上，这节内容十分十分十分十分的重要。
pandas常用的查询函数有：df.loc(),df.iloc(),df.where(),de.query();
函数 功能 df.loc() 根据行，列的标签进行查询 df.iloc() 根据行，列的数字位置进行查询 df.where() 可以根据条件返回满足需求的结果 de.query() 可以根据条件返回满足需求的结果以上的几种方法，都可以实现相同的功能，所以我们能够熟练的掌握其中一个就好，这里我推荐df.loc()，因为这个函数可以实现的功能是最多的，一般的应用场景，只要会这个就完全够用了；
二、查询方法：df.loc()
pandas通常碰到的查询需求，有如下五种：按数值，列表，区间，条件，函数五种方法进行查询；
使用的数据如下，大家可以复制到本地进行练习：
Date,天气,高温,低温,风向,风速 2020/7/16,晴,26,21,东风,2 2020/7/17,多云,25,21,西风,3 2020/7/20,小雨,24,15,东北风,5 2020/7/21,多云转晴,22,17,东风,2 2020/7/22,多云,20,16,西风,1 2020/7/23,雷阵雨,20,20,东北风,3 2020/7/24,多云,26,17,西南风,2 2020/7/27,小雨,26,17,东风,3 2020/7/28,多云转晴,25,24,西风,5 2020/7/29,晴,24,23,东北风,2 2020/7/30,晴,22,20,东风,2 2020/7/31,晴,26,22,东风,3 2020/8/3,晴,25,22,西风,2 2020/8/4,多云转晴,24,16,东北风,3 2020/8/5,多云,22,14,东风,5 2020/8/6,雷阵雨,20,12,西风,2 2020/8/7,小雨,20,13,东北风,1 2020/8/10,多云转晴,26,22,西南风,3读入数据：
import pandas as pd data_path_2=r"E:\VSCODE\2_numpy_pandas\pandas\data_select.csv" df=pd.read_csv(data_path_2,encoding='gbk') # 这里因为我是用Excel保存的csv,所以编码格式是gbk, 大部分时候使用UTF-82.1 查询单个值
通常情况下，使用df.loc()时，只要传入行列名即可返回要查询的值，比如：我们需要查询 2020/7/28 的天气，可以通过：df.loc['2020-7-28','天气'] 来查询，然后我们会发现报错：KeyError: '2020-7-28'； 这里报错的原因是：我们在读取数据的时候，没有将日期设置为索引值；所以我们需要这样做：
方法一：在读入数据的时候设置index
import pandas as pd data_path_2=r"E:\VSCODE\2_numpy_pandas\pandas\data_select.csv" df=pd.read_csv(data_path_2,encoding='gbk',index_col='Date') # 在这里设置index_col df=df.dropna(how="all",axis='rows') print(df.loc['2020/7/28','天气'])方法二：读入数据后，设置index
import pandas as pd data_path_2=r"E:\VSCODE\2_numpy_pandas\pandas\data_select.csv" df=pd.read_csv(data_path_2,encoding='gbk') df=df.dropna(how="all",axis='rows') df = df.set_index(['Date']) # 设置index print(df.loc['2020/7/28','天气'])2.2 查询列表对应的值
- 要求：需要查询 2020/7/28 ，29,30 三天的天气
- 要求：需要查询 2020/7/28 ，29,30 三天的天气，最高温度，最低温度
2.3 查询区间内的结果
可以使用 : 来查询区间内的结果，行与列均可以使用，举例如下：
- 要求：查询2020/7/28 ~ 2020/8/3 的所有天气情况；
2.4 条件查询
- 要求：查询最低温度大于22度的天气；
- 要求：多条件查询，查询低温小于22℃，高温大于23℃，天气为晴的天气；
2.5 按照函数要求查询
- 要求：查询7月份的晴天
方法一：使用上面的条件查询的方法
df.loc[(df.index.str.startswith('2020/7') & (df['天气']=='晴'))]方法二：使用函数查询的方法
def func(df): return df.index.str.startswith('2020/7') & (df['天气']=='晴') df.loc[func,:]三、写在最后
pandas的查询方法有非常多，在刚开始学的时候会让我们眼花缭乱，我推荐的方法是：不学那么多，先只学这一个方法，就足够我们使用了。 等这个方法已经炉火纯青后，再学习别的方法； 今天的分享就到这里啦~
本文共计1404个文字，预计阅读时间需要6分钟。
Pandas最核心的方法是数据操作，其中最重要的功能是：
1. 数据清洗与预处理：使用`read_csv()`、`dropna()`等方法处理和清洗数据。
2.数据转换与操作：通过`apply()`、`pivot_table()`等函数进行数据转换和聚合。
3.数据可视化：利用`plot()`、`hist()`等方法进行数据可视化分析。
了解这些核心知识，可以更高效地使用Pandas进行数据分析和处理。
一、写在前面
如果说Pandas最重要的方法是什么，毫无疑问就是查询数据；所以，这节的内容应当是Pandas的核心知识点。能够按我们的要求查询出所需的数据，是我们使用Pandas的最重要功能！ 综上，这节内容十分十分十分十分的重要。
pandas常用的查询函数有：df.loc(),df.iloc(),df.where(),de.query();
函数 功能 df.loc() 根据行，列的标签进行查询 df.iloc() 根据行，列的数字位置进行查询 df.where() 可以根据条件返回满足需求的结果 de.query() 可以根据条件返回满足需求的结果以上的几种方法，都可以实现相同的功能，所以我们能够熟练的掌握其中一个就好，这里我推荐df.loc()，因为这个函数可以实现的功能是最多的，一般的应用场景，只要会这个就完全够用了；
二、查询方法：df.loc()
pandas通常碰到的查询需求，有如下五种：按数值，列表，区间，条件，函数五种方法进行查询；
使用的数据如下，大家可以复制到本地进行练习：
Date,天气,高温,低温,风向,风速 2020/7/16,晴,26,21,东风,2 2020/7/17,多云,25,21,西风,3 2020/7/20,小雨,24,15,东北风,5 2020/7/21,多云转晴,22,17,东风,2 2020/7/22,多云,20,16,西风,1 2020/7/23,雷阵雨,20,20,东北风,3 2020/7/24,多云,26,17,西南风,2 2020/7/27,小雨,26,17,东风,3 2020/7/28,多云转晴,25,24,西风,5 2020/7/29,晴,24,23,东北风,2 2020/7/30,晴,22,20,东风,2 2020/7/31,晴,26,22,东风,3 2020/8/3,晴,25,22,西风,2 2020/8/4,多云转晴,24,16,东北风,3 2020/8/5,多云,22,14,东风,5 2020/8/6,雷阵雨,20,12,西风,2 2020/8/7,小雨,20,13,东北风,1 2020/8/10,多云转晴,26,22,西南风,3读入数据：
import pandas as pd data_path_2=r"E:\VSCODE\2_numpy_pandas\pandas\data_select.csv" df=pd.read_csv(data_path_2,encoding='gbk') # 这里因为我是用Excel保存的csv,所以编码格式是gbk, 大部分时候使用UTF-82.1 查询单个值
通常情况下，使用df.loc()时，只要传入行列名即可返回要查询的值，比如：我们需要查询 2020/7/28 的天气，可以通过：df.loc['2020-7-28','天气'] 来查询，然后我们会发现报错：KeyError: '2020-7-28'； 这里报错的原因是：我们在读取数据的时候，没有将日期设置为索引值；所以我们需要这样做：
方法一：在读入数据的时候设置index
import pandas as pd data_path_2=r"E:\VSCODE\2_numpy_pandas\pandas\data_select.csv" df=pd.read_csv(data_path_2,encoding='gbk',index_col='Date') # 在这里设置index_col df=df.dropna(how="all",axis='rows') print(df.loc['2020/7/28','天气'])方法二：读入数据后，设置index
import pandas as pd data_path_2=r"E:\VSCODE\2_numpy_pandas\pandas\data_select.csv" df=pd.read_csv(data_path_2,encoding='gbk') df=df.dropna(how="all",axis='rows') df = df.set_index(['Date']) # 设置index print(df.loc['2020/7/28','天气'])2.2 查询列表对应的值
- 要求：需要查询 2020/7/28 ，29,30 三天的天气
- 要求：需要查询 2020/7/28 ，29,30 三天的天气，最高温度，最低温度
2.3 查询区间内的结果
可以使用 : 来查询区间内的结果，行与列均可以使用，举例如下：
- 要求：查询2020/7/28 ~ 2020/8/3 的所有天气情况；
2.4 条件查询
- 要求：查询最低温度大于22度的天气；
- 要求：多条件查询，查询低温小于22℃，高温大于23℃，天气为晴的天气；
2.5 按照函数要求查询
- 要求：查询7月份的晴天
方法一：使用上面的条件查询的方法
df.loc[(df.index.str.startswith('2020/7') & (df['天气']=='晴'))]方法二：使用函数查询的方法
def func(df): return df.index.str.startswith('2020/7') & (df['天气']=='晴') df.loc[func,:]三、写在最后
pandas的查询方法有非常多，在刚开始学的时候会让我们眼花缭乱，我推荐的方法是：不学那么多，先只学这一个方法，就足够我们使用了。 等这个方法已经炉火纯青后，再学习别的方法； 今天的分享就到这里啦~