Pandas query() 方法详解
query() 是 Pandas 中一个非常强大的方法,它允许你使用字符串表达式来筛选数据行。这种方法比传统的布尔索引更简洁、更易读。
基本语法
python
df.query(expr, inplace=False, **kwargs)
expr
: 查询字符串表达式inplace
: 是否原地修改 DataFrame (默认为 False)**kwargs
: 其他关键字参数
- 对于大型 DataFrame,
query()
通常比布尔索引快,因为它在底层使用了 numexpr 库- 但对于小型 DataFrame,传统布尔索引可能更快
基本用法
1. 简单条件查询
python
import pandas as pd
df = pd.DataFrame({
'A': range(1, 6),
'B': range(10, 60, 10),
'C': ['a', 'b', 'c', 'd', 'e']
})
# 查询 A 列大于 2 的行
result = df.query('A > 2')
2. 多条件查询
python
# AND 条件
df.query('A > 2 & B < 50')
# OR 条件
df.query('A > 4 | B == 20')
# 使用括号明确优先级
df.query('(A > 2) & (B < 50)')
3. 字符串条件查询
python
# 等于
df.query('C == "a"')
# 不等于
df.query('C != "a"')
# 包含在列表中
df.query('C in ["a", "b", "c"]')
# 不包含在列表中
df.query('C not in ["a", "b"]')
高级用法
1. 使用变量 (@符号)
python
min_val = 3
max_val = 5
df.query('A >= @min_val & A <= @max_val')
2. 列名包含空格或特殊字符
python
df = pd.DataFrame({'A value': [1, 2, 3], 'B@value': [4, 5, 6]})
# 使用反引号包裹列名
df.query('`A value` > 1 & `B@value` < 6')
3. 使用 DataFrame 属性
python
# 查询索引
df.query('index > 2')
# 查询列长度
df.query('A.str.len() > 1') # 如果A是字符串列
4. 使用函数
python
# 使用内置函数
df.query('A.abs() > 2') # 绝对值
# 使用自定义函数
def my_func(x):
return x * 2
df.query('A > @my_func(2)')
性能考虑
- 对于大型 DataFrame,
query()
通常比布尔索引快,因为它在底层使用了 numexpr 库 - 但对于小型 DataFrame,传统布尔索引可能更快
与传统布尔索引的比较
python
# 传统布尔索引
df[(df['A'] > 2) & (df['B'] < 50)]
# query 方法
df.query('A > 2 & B < 50')
query() 的优势在于:
- 语法更简洁
- 不需要重复写 DataFrame 名称
- 对于复杂条件更易读
注意事项
- 表达式必须返回布尔值
- 列名中的特殊字符需要用反引号包裹
- 使用变量时需要用 @ 符号
- 表达式中的字符串需要用双引号包裹
实际应用示例
python
# 创建示例数据
data = {
'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
'age': [25, 30, 35, 40, 45],
'salary': [50000, 60000, 70000, 80000, 90000],
'department': ['HR', 'IT', 'IT', 'Finance', 'HR']
}
df = pd.DataFrame(data)
# 查询年龄在30-40之间且部门为IT或HR的员工
result = df.query('(age >= 30 & age <= 40) & department in ["IT", "HR"]')
# 查询薪资高于平均薪资的员工
avg_salary = df['salary'].mean()
result = df.query('salary > @avg_salary')

query()
方法是 Pandas 中非常实用的功能,特别适合需要编写复杂筛选条件的场景,能够显著提高代码的可读性和简洁性。
例题

