今天小编给大家分享一下Pandas数据查询的集中如何实现的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。
Pandas查询数据的几种方法
df.loc方法，根据行、列的标签值查询
df.iloc方法，根据行、列的数字位置查询
df.where方法
df.query方法
.loc既能查询，又能覆盖写入，强烈推荐！
Pandas使用df.loc查询数据的方法
使用单个label值查询数据
使用值列表批量查询
使用数值区间进行范围查询
使用条件表达式查询
调用函数查询
以上查询方法，既使用与行，也适用于列
降维：DataFrame>Series>值
0、进行数据预处理
import pandas as pd
df = pd.read_csv("E:PythondataAnalysisspiderdataFileweatherData.csv")
# 设置索引为日期
df.set_index("日期", inplace=True)
# print(df.index)
print(df.head())
# 对最高气温和最低气温进行数值改变
try:
df.loc[:, "最高气温"] = df["最高气温"].str.replace("℃", "").astype("int32")
df.loc[:, "最低气温"] = df["最低气温"].str.replace("℃", "").astype("int32")
print(df.head())
except Warning as dw:
# print(dw)
pass
1、使用单个label值查询数据
行或者列，都可以只传入单个值，实现精确匹配
# 使用单个label值查询数据
print(df.loc['2022-12-05 星期一', ['天气', '风向']])
print(type(df.iloc[12]))
2、使用值列表批量查询
# 使用值列表批量查询
print(df.loc[['2022-12-04 星期日', '2022-12-05 星期一']])
3、使用数值区间进行范围查询
区间：包含开始，也包含结束
# 使用数值区间进行范围查询
print(df.loc['2022-12-04 星期日':'2022-12-07 星期二', '最高气温':'天气'])
4、使用条件表达式查询
bool列表的长度得等于行数或者列数
# 使用条件表达式查询
print(df.loc[df["最高气温"] > 7, :])
5、调用函数查询
# 调用函数查询
print(df.loc[lambda df: (df["最高气温"] < 20) & (df["最低气温"] >= 0), :])