Pandas: วิธีใช้ตัวแปรในฟังก์ชัน query()

คุณสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อใช้ฟังก์ชัน query() ใน pandas และอ้างอิงชื่อตัวแปร:

 df. query (' team == @team_name ')

การค้นหาเฉพาะนี้จะค้นหาแถวใน Pandas DataFrame โดยที่คอลัมน์ ทีม เท่ากับค่าที่เก็บไว้ในตัวแปรที่เรียกว่า team_name

ตัวอย่างต่อไปนี้แสดงวิธีใช้ไวยากรณ์นี้ในทางปฏิบัติ

ตัวอย่าง: วิธีใช้ตัวแปรในการสืบค้น Pandas

สมมติว่าเรามี DataFrame แพนด้าต่อไปนี้ซึ่งมีข้อมูลเกี่ยวกับผู้เล่นบาสเกตบอลต่างๆ:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C '],
                   ' position ':['G', 'G', 'F', 'G', 'F', 'F', 'F', 'G', 'G', 'F', 'F'],
                   ' points ': [22, 25, 24, 39, 34, 20, 18, 17, 20, 19, 22]})

#view DataFrame
print (df)

   team position points
0 AG 22
1 AG 25
2 AF 24
3 BG 39
4 BF 34
5 BF 20
6 BF 18
7 GC 17
8 GC 20
9 CF 19
10 CF 22

ตอนนี้ สมมติว่าเราต้องการค้นหาแถวที่มีค่าในคอลัมน์ ทีม เท่ากับ C

เราสามารถใช้ไวยากรณ์ต่อไปนี้เพื่อสร้างตัวแปรชื่อ team_name ซึ่งเท่ากับ “C” จากนั้นอ้างอิงตัวแปรนี้ในฟังก์ชัน Query() :

 #specify team name to search for
team_name = ' C '

#query for rows where team is equal to team_name
df. query (' team == @team_name ')

        team position points
7 C G 17
8 C G 20
9 C F 19
10 C F 22

โปรดทราบว่าฟังก์ชัน query() ส่งคืนแถวทั้งหมดที่มีค่าในคอลัมน์ ทีม เท่ากับ C

โปรดทราบว่าเราสามารถอ้างอิงตัวแปรหลายตัวในฟังก์ชัน Query() ได้หากต้องการ

ตัวอย่างเช่น โค้ดต่อไปนี้แสดงวิธีใช้ฟังก์ชัน query() เพื่อส่งคืนแถวทั้งหมดโดยที่ค่าในคอลัมน์ ทีม เท่ากับค่าของตัวแปรชื่อ team_A หรือ ตัวแปรชื่อ team_C :

 #create two variables
team_A = ' A ' 
team_C = ' C '

#query for rows where team is equal to either of the two variables
df. query (' team == @team_A | team == @team_C ')

        team position points
0 A G 22
1 A G 25
2 A F 24
7 C G 17
8 C G 20
9 C F 19
10 C F 22

แบบสอบถามส่งคืนแถวทั้งหมดใน DataFrame โดยที่ ทีม เท่ากับค่าที่เก็บไว้ในหนึ่งในสองตัวแปรที่เราระบุ

หมายเหตุ : คุณสามารถดูเอกสารฉบับเต็มของฟังก์ชัน pandas query() ได้ที่นี่

แหล่งข้อมูลเพิ่มเติม

บทช่วยสอนต่อไปนี้จะอธิบายวิธีการทำงานทั่วไปอื่นๆ ในแพนด้า:

Pandas: วิธีกรองแถวตามความยาวของสตริง
Pandas: วิธีลบแถวตามเงื่อนไข
นุ่น: วิธีใช้ตัวกรอง “NO IN”