在熊猫中使用查询方法选择复杂条件
在本文中，让我们讨论如何在 Pandas 中使用 Query()方法选择复杂的条件。在使用查询方法选择复杂条件的熊猫中，首先，我们在熊猫的帮助下创建数据框。Dataframe() 并将其存储为一个变量，然后借助 query() 方法选择复杂的条件。在熊猫的帮助下。Dataframe.loc() 我们可以通过传递数据帧的索引来找到数据帧的细节。 例 1:
蟒蛇 3
import pandas as pd
df = pd.DataFrame([[10, 20, 30, 40], [70, 14, 21, 80],
[55, 15, 80, 12]],
columns=['GFG_USER_1', 'GFG_USER_2',
'GFG_USER_3', 'GFG_USER_4'],
index=['Practice1', 'Practice2', 'Practice3'])
print(df, "\n")
# Filter data using query method
df1 = df.loc[df.query(
'GFG_USER_1 <= 80 & GFG_USER_2 > 10 & \
GFG_USER_3 < 50 & GFG_USER_4 == 80').index]
print(df1)
输出:
例T2【2:
蟒蛇 3
import pandas as pd
df = pd.DataFrame([[100, 200, 300], [70, 140, 210],
[55, 150, 180]],
columns=['PAK', 'AUS', 'IND'],
index=['Match1', 'Match2', 'Match3'])
print(df, "\n")
# Filter data using query method
df1 = df.loc[df.query('PAK <= 80 & AUS > 100 & IND < 250').index]
print(df1)
输出:
例 3:
蟒蛇 3
import pandas as pd
df = pd.DataFrame([[1000, 2000, 3000, 4000], [7000, 1400, 2100, 2800],
[5500, 1500, 800, 1200]],
columns=['DSA_Self_Paced', 'OOPS', 'DBMS', 'System_design'],
index=['Sale1', 'Sale2', 'Sale3'])
print(df, "\n")
# Filter data using query method
df1 = df.loc[df.query(
'DSA_Self_Paced <= 6000 & OOPS > 1400 & DBMS < 1500 \
& System_design == 1200').index]
print(df1)
输出:
