dataframe query

DataFrame的query方法是用来通过布尔表达式对DataFrame的列进行查询的。\[1\]可以使用该方法来筛选出列中值为nan或None的行。例如，可以使用方法1来筛选出非nan、None的行：

import pandas as pd
import numpy as np

df = pd.DataFrame({"value": \[3,4,9,10,11,np.nan,12\]})
df.query('value == value')

还可以使用方法2来筛选出非nan、None的行，使用`value.notna()`方法：

df.query('value.notna()', engine='python')

另外，可以使用方法3来筛选出非NaN的行，使用`value != 'NaN'`：

df.query('value != "NaN"')

以上是一些使用query方法进行数据筛选的示例。\[2\]

如果你想生成一个包含随机数据的DataFrame，可以使用以下代码：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randint(0, 10, size=(1000, 3)), columns=\['a', 'b', 'c'\])

这样就生成了一个包含1000行和3列的DataFrame，其中的值是从0到9之间的随机整数。\[3\]
#### 引用[.reference_title]
- *1* [【pandas之DataFrame相关函数】query（）函数](https://blog.csdn.net/weixin_42821041/article/details/125447802)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [dataframe.query() 筛选 tips](https://blog.csdn.net/domodo2012/article/details/113573182)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
- *3* [pandas dataframe使用query进行多个条件快速筛选](https://blog.csdn.net/weixin_35757704/article/details/120705223)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]