数据预处理 1.4 DataFrame查询

目录

1. DataFrame条件查询操作

2. DataFrame分组聚合操作

3. DataFrame排序操作

4. nlargest和nsmallest函数

1. DataFrame条件查询操作

获取DataFrame中满足条件的数据

基本格式：

loc和query如果跟多个条件可以用&、|表示条件之间的关系

1.  
   #获取Age大于60且小于80的科学家信息
2.  
   scientists.loc[(scientists['Age']>60)&(scientists['Age']<80)]
3.  
   scientists.loc[(scientists.Age>60)&(scientists.Age<80)]
4.  
   scientists.query('Age > 60 & Age < 80')

2. DataFrame分组聚合操作

指定列分组，并对分组数据的相应列进行行相应的聚合操作

基本格式：

如果聚合的列标签只有一个，则返回的是一个Series数据

常见聚合函数：

1.  
   #按照Occupation职业分组，并计算每组年龄的平均值
2.  
   scientists.groupby('Occupation').Age.mean()
3.  
   scientists.groupby('Occupation')['Age'].mean()
4.  
   #按照Occupation职业分组，并计算每组人数和年龄的平均值
5.  
   scientists.groupby('Occupation').agg({'Name':'count','Age':'mean'})

3. DataFrame排序操作

基本格式：

ascending参数默认是True表示升序

seies也可以使用sort_values和sort_index函数进行排序，只不过series的sort_values方法没有by参数

1.  
   #按照 Age 从小到大进行排序
2.  
   scientists.sort_values(by=['Age'],ascending=True)
3.  
   #按照 Age 从大到小进行排序
4.  
   scientists.sort_values(by=['Age'],ascending=False)
5.  
   # 按照行标签从大到小进行排序
6.  
   scientists.sort_index(ascending=False)

4. nlargest和nsmallest函数

基本格式：

1.  
   #获取 Age 最大的前 3 行数据
2.  
   scientists.nlargest(3,columns='Age')
3.  
   #获取 Age 最小的前 3 行数据
4.  
   scientists.nsmallest(3,columns='Age')

这篇好文章是转载于：学新通技术网