Python Pandas数据处理利器query方法解析

大家好，在数据分析中，数据过滤是常见且重要的操作。Pandas库提供了多种方法来筛选数据，其中 query 方法因其简洁和强大的表达能力受到广泛欢迎。本文将详细介绍Pandas query 方法的高级应用，助力大家在复杂数据过滤时更加得心应手。

1.Pandas的query方法

Pandas的 query 方法允许你使用类似SQL的语法对DataFrame进行数据筛选。与传统的布尔索引相比，query 方法的语法更加简洁明了，特别是在处理复杂条件时更具可读性。

首先看一个简单的示例，使用 query 方法筛选数据。

import pandas as pd

# 创建一个数据框
data = {'城市': ['北京', '上海', '广州', '深圳', '成都'],
        '人口': [2154, 2424, 1530, 1340, 1630],
        'GDP': [36102, 38155, 25000, 26000, 21000]}

df = pd.DataFrame(data)

# 使用query方法筛选GDP大于30000的城市
filtered_df = df.query('GDP > 30000')

print(filtered_df)

运行以上代码，输出结果：

   城市    人口    GDP
0  北京  2154  36102
1  上海  2424  38155

这个示例使用 query 方法筛选出了GDP大于30000的城市，代码非常简洁。

2.query方法的高级应用

query 方法不仅可以用于简单的条件筛选，还可以在复杂的数据过滤场景中展现其强大功能。

2.1 多条件筛选

query 方法允许在筛选条件中使用逻辑运算符，如 and、or 来实现多条件的联合筛选。

import&n