pandas多值查询
时间: 2023-11-09 13:00:52 浏览: 39
可以使用isin()方法进行多值查询,示例如下:
```python
import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': ['a', 'b', 'c', 'd', 'e']})
# 查询A列中值为1、3、5的行
result = df[df['A'].isin([1, 3, 5])]
print(result)
```
输出结果为:
```
A B
0 1 a
2 3 c
4 5 e
```
相关问题
pandas 查询空缺值所在行
要查询 Pandas 数据框中的空缺值所在行,可以使用 `isnull()` 方法和 `any()` 方法。下面是一个示例代码:
```python
import pandas as pd
# 创建数据框
df = pd.DataFrame({'A': [1, 2, None, 4], 'B': [5, None, 7, 8], 'C': [9, 10, 11, None]})
# 查询空缺值所在行
null_rows = df[df.isnull().any(axis=1)]
print(null_rows)
```
输出结果:
```
A B C
2 NaN 7.0 11.0
3 4.0 8.0 NaN
```
这个代码首先创建了一个包含空缺值的数据框,然后使用 `isnull()` 方法查找空缺值,并使用 `any()` 方法确定哪些行包含空缺值。最后,使用 Pandas 的索引功能获取空缺值所在的行。
pandas模糊查询
在pandas中进行模糊查询可以使用`str.contains()`函数。该函数可以用于Series对象,用于检查每个元素是否包含指定的字符串,并返回一个布尔值的Series,表示每个元素是否满足条件。
下面是一个示例代码,演示如何在pandas中进行模糊查询:
```python
import pandas as pd
# 创建一个DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
'Age': [25, 30, 35, 40, 45]}
df = pd.DataFrame(data)
# 使用str.contains()进行模糊查询
result = df[df['Name'].str.contains('a', case=False)]
# 输出结果
print(result)
```
运行以上代码,将会输出包含字母'a'的姓名的行:
```
Name Age
0 Alice 25
2 Charlie 35
3 David 40
```
注意,`str.contains()`函数中的`case=False`参数表示不区分大小写进行匹配。如果需要区分大小写,可以将该参数设置为`case=True`。