本篇内容主要讲解“python数据处理的方法”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“python数据处理的方法”吧!

创新互联公司专注于企业全网营销推广、网站重做改版、峨山县网站定制设计、自适应品牌网站建设、html5、商城系统网站开发、集团公司官网建设、成都外贸网站建设、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为峨山县等各大城市提供网站开发制作服务。

df.query 过滤数据

0.25 版本开始支持 query 方法，可读性上又获得大幅提升，类似 sql 查询数据的写法，更加人性化。

下面举例说明，过滤数据常用三种方法。

df = pd.DataFrame({'A':np.random.randint(1,20,(8,)),
                   'B':np.random.randint(1,20,(8,)),
                   'C':np.random.randint(1,20,(8,))})
df 

  

过滤条件：A列值大于其平均值，且 B列值大于 5 的行

方法 1

df[ (df['A'] > df["A"].mean()) & (df['B'] > 5)]

注意，& 前后必须要各自加一对 ()

方法 2

cr1 = df['A'] > df["A"].mean()
cr2 = df['B'] > 5
df[cr1 & cr2] 

方法 3

mean = df["A"].mean()
df.query("A > @mean & B > 5")

query 是今天重点提到的，使用语法规则见上，变量前添加 @。这种语法的可读性大家觉得怎么样？

顺便提一下，如果列的名称中间有空格，有一个特别的语法，使用一对 `` 符号来标记列名：

df = pd.DataFrame({'First Name':['Jack','Mary','Mike']})
df.query('`First Name` == \'Jack\'')

以上三种方法得到结果都为：

    

快速找出最多的分类

首先读入数据：

df = pd.read_csv("IMDB-Movie-Data.csv")
df

1000 行数据，genre 取值的频次统计如下：

vc = df["genre"].value_counts()
vc 

打印结果：

Action,Adventure,Sci-Fi       50
Drama                         48
Comedy,Drama,Romance          35
Comedy                        32
Drama,Romance                 31
                              ..
Adventure,Comedy,Fantasy       1
Biography,History,Thriller     1
Action,Horror                  1
Mystery,Thriller,Western       1
Animation,Fantasy              1
Name: genre, Length: 207, dtype: int64 

筛选出 top3 的 index:

top_genre = vc[0:3].index
print(top_genre) 

打印结果：

Index(['Action,Adventure,Sci-Fi', 'Drama', 'Comedy,Drama,Romance'], dtype='object')

使用得到的 top3 的 index ，结合 isin,选择出相应的 df

df_top = df[df["genre"].isin(top_genre)]
df_top

结果：

到此，相信大家对“python数据处理的方法”有了更深的了解，不妨来实际操作一番吧！这里是创新互联网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！

当前名称：python数据处理的方法
本文链接：http://hbruida.cn/article/gechgi.html