Pandas系列学习教程——03 pandas数据查询

系列文章目录

第一章 Pandas 学习入门之pandas数据读取

第二章 Pandas 学习入门之pandas数据结构

第三章 Pandas 学习入门之pandas数据查询

随着人工智能的不断发展，数据分析这门技术也越来越重要，很多人都开启了学习数据分析，本文就介绍了pandas学习的基础内容。本章讲解的是Pandas系列学习教程中的第三章——pandas数据查询，主要介绍按数值、列表、区间、条件和函数方法进行查询。

系列文章目录

前言

一、pandas查询数据的四种方法

二、使用df.loc查询数据的方法

注意 

0、引入库 & 读取数据

1、使用单个label值查询数据

2、使用值列表批量查询

3、使用数值区间进行范围查询

4、使用条件表达式查询

4.1 简单条件查询，最低温度低于-10度的列表

4.2 复杂条件查询，查一下我心中的完美天气

5、调用函数查询

总结

前言

本章讲解的是Pandas系列学习教程中的第三章——pandas数据查询，主要介绍按数值、列表、区间、条件和函数方法进行查询。

提示：以下是本篇文章正文内容，下面案例可供参考

一、pandas查询数据的四种方法

1. df.loc方法，根据行、列的标签值查询
2. df.iloc方法，根据行、列的数字位置查询
3. df.where方法
4. df.query方法

.loc既能查询，又能覆盖写入，强烈推荐！ 

二、使用df.loc查询数据的方法

1. 使用单个label值查询数据
2. 使用值列表批量查询
3. 使用数值区间进行范围查询
4. 使用条件表达式查询
5. 调用函数查询

注意 

• 以上查询方法，既适用于行，也适用于列
• 注意观察降维dataFrame>Series>值

0、引入库 & 读取数据

代码如下（示例）：

import pandas as pd
print(pd.__version__)

2.0.3

 数据来源为北京2018年全年天气预报。需要数据可以私信我！！

#使用pd.read_csv(fpath)读取数据
shijian = pd.read_csv(
    "./beijing_tianqi_2018.txt",
    sep = "\t",
    header = None,
    names = ['ymd','bWendu','yWendu','tianqi','fengxiang','fengli','aqi','aqiInfo','aqiLevel']
)

df.head()

# 设定索引为日期，方便按日期筛选
df.set_index('ymd', inplace=True)
df

inplace=True：指定这个操作是否在原地修改DataFrame。将这个参数设置为True意味着原来的DataFramedf会被直接修改，而不是创建一个新的DataFrame作为修改的结果返回。如果设置为False（默认值），则不会修改原始DataFrame，而是返回一个新的DataFrame，其索引已经被设置为指定的列。

# 替换掉温度的后缀℃
df.loc[:, "bWendu"] = df["bWendu"].str.replace("℃