python pandas库（自用，持续更新）

目前已更新：query()

query函数

简单来说是用来进行数据筛选的函数。

1.选取A列等于a的行：

df.query(" A == 'a' ")

也可以写成以下形式：
 

df[df['A']=="a"]

2.也可以用来筛选数值：

df.query(" A == 6")

3.也可以用数学表达式筛选：

        除了直接通过等于某个值来筛选， query 函数还支持通过数学表达式来进行数据筛选，包括 >、 <、 +、 -、 *、 / 等。

4.可以直接比较两列： 

df.query('A>B')
df.query('A*2<B+D')

5.可以通过变量进行筛选：

        在程序比较长的时候，经常会使用变量来作为筛选条件， query 函数在使用变量作为判断标准时，通过在变量前面添加 @ 符号来实现，示例如下

# 通过变量来筛选数据，在变量前使用 @ 符号即可
 
name = 'a'
 
df.query('A == @name')

6.可以同时筛选多个值（使用列表的形式）：

# 需要注意下 双引号 和 单引号的分开使用
 
df.query('A in ["a","b"]')

注意单双引号分开使用。

7.多条件筛选：

query 函数支持多种条件的组合。

• 两者都需要满足的并列条件使用符号 &,或 单词 and
• 只需要满足其中之一的条件使用符号 |,或 单词 or

df.query('A in ["a","b"] & B > 7')

8.列名称有空格的情况：

        当 dataframe 的列名称中有空格或其他特殊符号的时候，需要使用 反引号，即键盘ESC键下面的按键(就是键盘上第二排第一个按键，有‘~’这个符号的按键) 来将列名包裹起来，示例如下：

df.query("`till years` < 5")

注意，如果使用单引号，将会报错。

9.筛选后选取数据列：

在数据筛选后，还可以选择需要的数据列，如下：

df.query("A > B +C ")[['A','B']]

注意是两个方括号。​​​​​​​