如何查詢你的Pandas數(shù)據(jù)幀？
譯文【51CTO.com快譯】引言
無論您從數(shù)據(jù)工程師/數(shù)據(jù)分析師轉(zhuǎn)型而來，還是想成為更高效的數(shù)據(jù)科學家，查詢數(shù)據(jù)幀都是返回所需特定行的一種很有用的方法。值得一提的是，pandas有一個特定的查詢函數(shù)，名為query。不過，我將討論您可以模擬查詢、過濾和合并數(shù)據(jù)的其他方式。我們將介紹您對數(shù)據(jù)提出的常見場景或問題，將使用Python而不是SQL來完成。在下面，我將概述使用Python編程語言針對Pandas數(shù)據(jù)幀查詢行的幾個簡單方法。
多個條件
圖1. 示例數(shù)據(jù)
作為數(shù)據(jù)科學家或數(shù)據(jù)分析師，我們希望返回數(shù)據(jù)的特定行。其中一個場景是您希望在同一行代碼中運用多個條件。為了展示例子，我創(chuàng)建了名和姓的幾個虛假的示例數(shù)據(jù)，以及他們各自的性別和生日。該數(shù)據(jù)顯示在上面的屏幕截圖中。
示例多個條件本質(zhì)上將回答一個特定的問題，就像您使用SQL時一樣。問題是，我們的數(shù)據(jù)中有多少比例的數(shù)據(jù)是男性或出生于2010年至2021年之間的人。
下面是將解決這個問題的代碼(有幾種方法可以回答這個問題，但這是我的具體方法)：
- print(“Percent of data who are Males OR were born between 2010 and 2021:”,
- 100*round(df[(df[‘Gender’] == ‘M’) | (df[‘Birthdate’] >= ‘2010–01–01’) &
- (df[‘Birthdate’] <= ‘2021–01–01’)][‘Gender’].count()/df.shape
- [0],4), “%”)
為了更好地直觀顯示該代碼，我還包含了上面相同代碼的屏幕截圖以及輸出/結(jié)果。您還可以運用這些條件來返回實際行，而不是從總行中獲取一小部分或百分比的行。
圖2. 條件代碼
這是我們執(zhí)行的命令的順序：
- 返回帶有男性性別的行
- 包括OR函數(shù) |
- 返回出生日期> 2010和2021的行
- 將所有這些組合起來，然后除以總行數(shù)
如您所見，該代碼與您在SQL中看到的相似。我個人認為在pandas中更容易，因為它可以減少代碼，同時還可以在一個簡單的地方直觀地看到所有代碼，無需上下滾動(但這種格式只是本人青睞的)。
按多個特定列合并
圖3. 合并數(shù)據(jù)幀結(jié)果
我們可能已經(jīng)在其他教程中看到了如何將數(shù)據(jù)幀合并在一起，所以我想添加一種我還沒有真正見過的一種獨特方法，即按多個特定列合并。在這種情況下，我們想要加入兩個數(shù)據(jù)幀，其中兩個字段在它們之間共享。不難看出：如果有更多列，這種方法可能更有用。
我們有第一個數(shù)據(jù)幀df，然后我們按第二個數(shù)據(jù)幀df2合并列。這是實現(xiàn)我們預期結(jié)果的代碼：
- merged_df = df.merge(df2, how=’inner’,
- left_on=cols,
- right_on=cols
- )
為了更好地直觀顯示這種合并和代碼，我給出了下面的屏幕截圖。您會在下面看到第二個數(shù)據(jù)幀的樣子，包括名和姓，就像它們在第一個數(shù)據(jù)幀中一樣，但有一個新的列：Numeric。然后，我們有想要合并的特定列，同時返回列Gender、Birthdate和新的Numeric列。列其實是諸多列的列表，名為 cols。
圖4. 合并數(shù)據(jù)幀
如您所見，這種合并數(shù)據(jù)幀的方式是一種獲得可從SQL查詢獲得的同樣結(jié)果的簡單方法。
結(jié)語
在本教程中，我們看到您將在SQL中執(zhí)行的兩個常見問題或查詢，但最終使用Python中的Pandas數(shù)據(jù)幀來執(zhí)行它們。
總而言之，以下是我們所處理的兩個場景：
- 從多個條件返回總數(shù)據(jù)集的百分比的行
- 按多個特定列合并，以返回帶有新列的最終數(shù)據(jù)幀。
原文標題：How to Query Your Pandas Dataframe，作者：Matthew Przybyla
【51CTO譯稿，合作站點轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】
