模块二-数据选择与索引——09. query() 方法

09. query() 方法

1. 概述

query()方法是 Pandas 提供的一种使用字符串表达式进行数据筛选的方式。相比布尔索引，query()更简洁、可读性更强，特别适合复杂条件筛选。

importpandasaspdimportnumpyasnp# 创建示例数据np.random.seed(42)df=pd.DataFrame({'姓名':['张三','李四','王五','赵六','钱七','孙八','周九','吴十'],'年龄':[25,30,28,32,35,27,29,31],'工资':[8000,12000,10000,15000,11000,9500,10500,12500],'部门':['技术','销售','技术','市场','销售','技术','市场','销售'],'绩效':['A','B','A','A','C','B','A','B'],'工作年限':[2,5,3,8,6,2,4,7]})print("原始数据:")print(df)

2. query() 基础

2.1 基本语法

# query 使用字符串表达式df.query('表达式')

2.2 与布尔索引对比

# 布尔索引方式result_bool=df[df['年龄']>30]print("布尔索引:")print(result_bool)# query 方式result_query=df.query('年龄 > 30')print("\nquery 方式:")print(result_query)

对比：query 更简洁，不需要重复写df['列名']。

3. 单条件查询

3.1 比较运算符

# 大于print(df.query('工资 > 10000'))# 小于print(df.query('年龄 < 30'))# 等于（注意：字符串需要用引号）print(df.query('部门 == "技术"'))# 不等于print(df.query('部门 != "技术"'))# 大于等于print(df.query('工作年限 >= 5'))

3.2 使用变量

# 使用 @ 符号引用外部变量min_salary=10000max_age=30result=df.query('工资 > @min_salary')print(f"工资 >{min_salary}:")print(result)result=df.query('年龄 < @max_age')print(f"\n年龄 <{max_age}:")print(result)

4. 多条件查询

4.1 使用 and / or

# and（与）result=df.query('工资 > 10000 and 部门 == "技术"')print("工资 > 10000 且 部门 == 技术:")print(result)# or（或）result=df.query('部门 == "技术" or 部门 == "市场"')print("\n部门 == 技术 或 部门 == 市场:")print(result)# 组合条件result=df.query('(工资 > 10000) and (部门 == "技术" or 绩效 == "A")')print("\n复杂组合:")print(result)

4.2 使用 & 和 |

# 也可以使用 & 和 |（但建议使用 and/or）result=df.query('工资 > 10000 & 部门 == "技术"')print("使用 &:")print(result)

5. 字符串方法

5.1 字符串包含

# 使用 str.contains()result=df.query('姓名.str.contains("张")')print("姓名包含'张':")print(result)# 不包含result=df.query('not 姓名.str.contains("张")')print("\n姓名不包含'张':")print(result)

5.2 字符串起始/结束

# 起始result=df.query('姓名.str.startswith("张")')print("姓名以'张'开头:")print(result)# 结束result=df.query('姓名.str.endswith("五")')print("\n姓名以'五'结尾:")print(result)

5.3 字符串长度

result=df.query('姓名.str.len() == 2')print("姓名为2个字符:")print(result)

6. 列表操作

6.1 in 操作

# 在列表中result=df.query('部门 in ["技术", "市场"]')print("部门是技术或市场:")print(result)# 不在列表中result=df.query('部门 not in ["技术", "市场"]')print("\n部门不是技术或市场:")print(result)

6.2 使用变量列表

target_depts=['技术','市场']result=df.query('部门 in @target_depts')print("使用变量列表:")print(result)

7. 区间查询

7.1 between 方法

# 年龄在 28-32 之间result=df.query('年龄.between(28, 32)')print("年龄在 28-32 之间:")print(result)# 工资在 9000-12000 之间result=df.query('工资.between(9000, 12000)')print("\n工资在 9000-12000:")print(result)

8. 算术运算

# 列之间运算result=df.query('工资 / 工作年限 > 2000')print("平均年资工资 > 2000:")print(result)# 复杂运算result=df.query('(工资 - 8000) / 工作年限 > 500')print("\n(工资-8000)/年限 > 500:")print(result)

9. 索引查询

# 设置索引df_indexed=df.set_index('姓名')print("设置索引后的数据:")print(df_indexed)# 按索引查询result=df_indexed.query('index == "张三"')print("\n索引为'张三':")print(result)# 索引 in 操作result=df_indexed.query('index in ["张三", "王五"]')print("\n索引为张三或王五:")print(result)

10. query() 高级特性

10.1 使用外部变量

# 使用 @ 引用外部变量min_age=28max_age=32target_dept='技术'result=df.query('年龄 >= @min_age and 年龄 <= @max_age and 部门 == @target_dept')print("使用多个外部变量:")print(result)

10.2 使用 Python 函数

# 自定义函数（需要在 query 外定义）defis_high_salary(salary):returnsalary>10000# query 中不能直接调用自定义函数，但可以使用 @ 调用# result = df.query('@is_high_salary(工资)') # 不推荐# 更好的做法：先创建辅助列df['高薪']=df['工资']>10000result=df.query('高薪 == True')print("高薪员工:")print(result)

10.3 使用 backtick 处理列名含空格

# 如果列名包含空格或特殊字符，使用反引号df_with_space=df.copy()df_with_space['年 薪']=df_with_space['工资']*12result=df_with_space.query('`年 薪` > 120000')print("年薪 > 120000:")print(result)

11. query() vs 布尔索引

# 复杂条件对比# 布尔索引result1=df[(df['工资']>10000)&(df['部门'].isin(['技术','市场']))&(df['年龄'].between(25,35))]# queryresult2=df.query('工资 > 10000 and 部门 in ["技术", "市场"] and 年龄.between(25, 35)')print("两种方式结果相同:")print(result1.equals(result2))# True

12. 完整示例：销售数据分析

# 创建销售数据np.random.seed(42)sales=pd.DataFrame({'产品':[f'产品_{i}'foriinrange(1,101)],'类别':np.random.choice(['电子产品','服装','食品','家居'],100),'价格':np.random.randint(50,5000,100),'销量':np.random.randint(10,500,100),'地区':np.random.choice(['华东','华南','华北','西南'],100),'评分':np.random.uniform(1,5,100).round(1)})print("="*60)print("销售数据分析（使用 query）")print("="*60)# 1. 高价值产品（价格 > 1000 且 销量 > 100）print("\n1. 高价值产品:")high_value=sales.query('价格 > 1000 and 销量 > 100')print(f"数量:{len(high_value)}")print(high_value.head())# 2. 电子产品且评分 > 4.5print("\n2. 电子产品且评分 > 4.5:")top_elec=sales.query('类别 == "电子产品" and 评分 > 4.5')print(top_elec[['产品','价格','销量','评分']])# 3. 华东地区销售额排名print("\n3. 华东地区销售额前5:")sales['销售额']=sales['价格']*sales['销量']east_top=sales.query('地区 == "华东"').nlargest(5,'销售额')print(east_top[['产品','销售额']])# 4. 使用变量筛选min_price=500max_price=2000min_rating=4.0filtered=sales.query('@min_price <= 价格 <= @max_price and 评分 >= @min_rating')print(f"\n4. 价格{min_price}-{max_price}且评分 >={min_rating}:")print(f"数量:{len(filtered)}")# 5. 分类统计print("\n5. 各分类高评分产品数量:")high_rating=sales.query('评分 >= 4.5')print(high_rating['类别'].value_counts())

13. 常见陷阱

14. 总结

15. 使用建议