在pandas中怎么樣實現(xiàn)類似mysql查找語句的功能：

pandas中獲取數據的有以下幾種方法：

• 布爾索引
• 位置索引
• 標簽索引
• 使用API

假設數據如下:

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})

布爾索引

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

位置索引

使用iloc方法，根據索引的位置來查找數據的。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]

標簽索引

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。

使用API

pd.DataFrame.query方法在數據量大的時候，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'')

數據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==

2、篩選出列值屬于某個范圍內的行，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

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