pandas41 query-字符串表达式查询：大数据函数( tcy）https://mp.csdn.net/postedit/85887334
pandas42 eval-字符串表达式查询:大数据( tcy）https://mp.csdn.net/postedit/85918442
query-字符串表达式查询 2019/1/6
1.函数：
df.query（expr，inplace = False，** kwargs ）# 使用布尔表达式查询帧的列
参数：
# expr：str要评估的查询字符串。你可以在环境中引用变量，在它们前面添加一个'@'字符 。@a + b
# inplace=False：是否修改数据或返回副本
# kwargs：dict关键字参数
返回：DataFrame
注意：
# 默认修改Python语法'&'/'and'和'|'/'or'位运算符优先级高于布尔表达式，不同于Python
# 关键字参数parser='python'执行Python评估。
# engine='python' 用Python本身作为后端来传递评估表达式。不建议效率低。
# 默认实例df.index和 df.columns属性 DataFrame放在查询命名空间中，
# 这允许您将框架的索引和列视为框架中的列。标识符index用于帧索引;
# 您还可以使用索引的名称在查询中标识它。性能：
# 涉及NumPy数组或Pandas DataFrames的复合表达式都会导致隐式创建临时数组
# eval/query用在数据（df.values.nbytes>1万）性能提升明显；传统方法在小数组时运行得更快；
# eval/query好处主要时节省内存，以及有时候简洁得语法
# 可用指定不同解析器和引擎来运行这些查询；参见"Enhancing Performance" 。实例1：
df = pd.DataFrame(np.arange(12).reshape(3, 4), columns=list('ABCD'))
A B C D
0 0 1 2 3
1 4 5 6 7
2 8 9 10 11
# 实例1.1：python,numexpr 方式比较
result1 = df[(df.A < 8) & (df.B < 9)] #python方式
result2 = pd.eval('df[(df.A < 8) & (df.B < 9)]')#numexpr 方式
np.allclose(result1, result2) # True
# 实例1.2：eval,query,比较
# 相同点：计算表达式结果
# 不同点：eval若表达式为逻辑，结果返回bool数组;query则返回bool数组的数据
import numexpr
result3= df[df.eval('A<8 & B<9')]
result4 = df.query('A < 8 and B < 9')
result3.equals(result4) #True 结果result1==result2==result3==result4
a=df.A;b=df.B
result5= df[numexpr.evaluate('(a<8) &(b < 9)')]#等效；表达式不能含df.A实例2：
# 实例2：@符合来标记本地变量
Cmean = df['C'].mean() #6.0
result1 = df[(df.A < Cmean) & (df.B < Cmean)]
result1 = df.query('A < @Cmean and B < @Cmean')#等价
result1
A B C D
0 0 1 2 3
1 4 5 6 7实例3：多索引
# 实例3.1：列名
df.query('(A < B) & (B < C)') #numexpr 方式 A,B,C为列名
# 实例3.2：单索引名+列名
df.query('a < B and B < C') #a为单索引名，B,C为列名
df.query('index < B < C') #index为单索引(非索引名)，B,C为列名
# 实例3.3：单索引名a与列名a相同
df.query('a > 2') # 用列'a',单索引名a与列名a相同列名称优先
df.query('index > 2') #index为单索引(非索引名),单索引名a与列名a相同列名称优先
# 实例3.4：列名为index- 应该考虑将列重命名
df.query('ilevel_0 > 2') #ilevel_0为单索引(非索引名)实例4：多索引MultiIndex
colors = np.random.choice(['red', 'blue'], size=6)
foods = np.random.choice(['eggs', 'meat'], size=6)
index = pd.MultiIndex.from_arrays([colors, foods], names=['color', 'food'])
df = pd.DataFrame(np.arange(12).reshape(6, 2), index=index)
df
0 1
color food
blue meat 0 1
eggs 2 3
meat 4 5
red meat 6 7
blue meat 8 9
eggs 10 11
# 实:4.1：索引名
df.query('color == "red"')
# 实例4.2：索引无名称
df.index.names = [None, None]
df.query('ilevel_0 == "red"') #ilevel_0第0级的索引级别
df.query('ilevel_1 == "meat"')#ilevel_1第1级的索引级别实例5：
#实例5：多数据df - 具有相同列名（或索引级别/名称）
df1 = pd.DataFrame(np.arange(12).reshape(4,3), columns=list('abc'))+10
df2=df1+10
expr = '19 <= a <= c <= 22'
result=list(map(lambda frame: frame.query(expr), [df1, df2]))
# df1 df2 result
a b c a b c [ a b c
0 10 11 12 0 20 21 22 3 19 20 21,
1 13 14 15 1 23 24 25 a b c
2 16 17 18 2 26 27 28 0 20 21 22]
3 19 20 21 3 29 30 31 实例6：
# 实例6：Python与pandas语法比较
# 完全类似numpy的语法
# 实例6.1：比较运算符，逻辑运算符
df = pd.DataFrame(np.random.randint(10, size=(10, 3)), columns=list('ABC'))
df.query('(A< B) & (B< C)')
df[(df.A < df.B) & (df.B < df.C)]
df.query('A< B & B < C')
df.query('A< B and B < C')
df.query('A < B < C') #全部等价
============================================================
# 实例6.2：==操作符与list对象的特殊用法
# ==/ !=工程，以类似in/not in
df.query('b == ["a", "b", "c"]')==df[df.b.isin(["a", "b", "c"])]
df.query('c == [1, 2]')
df.query('c != [1, 2]')
# using in/not in
df.query('[1, 2] in c')
df.query('[1, 2] not in c')
df[df.c.isin([1, 2])]# pure Python
============================================================
# 实例6.3：in与not in
df = pd.DataFrame({'a': list('abcdef'), 'b': list('fedfed'),'c': 5, 'd':5})
a b c d
0 a f 5 5
1 b e 5 5
2 c d 5 5
3 d f 5 5
4 e e 5 5
5 f d 5 5
df.query('a in b and c < d') #与其他表达式结合获得非常简洁查询
df[df.b.isin(df.a) & (df.c < df.d)]
result1=df[df.a.isin(df.b)]
result2=df.query('a not in b')
result3=df[~df.a.isin(df.b)] # pure Python
# result1 result2 result3
a b c d a b c d a b c d
3 d f 5 5 0 a f 5 5 0 a f 5 5
4 e e 5 5 1 b e 5 5 1 b e 5 5
5 f d 5 5 2 c d 5 5 2 c d 5 5
============================================================
# 实例6.4：布尔运算符not或~运算符否定布尔表达式
df = pd.DataFrame(np.arange(9).reshape(3,3), columns=list('ABC'))
df['bools'] = df.eval('C>=5')
result1=df.query('not bools')
result2=(df.query('not bools') == df[~df.bools])
# df result1 result2
A B C bools A B C bools A B C bools
0 0 1 2 False 0 0 1 2 False 0 True True True True
1 3 4 5 True
2 6 7 8 True
# 复杂表达式：
df.query('A < B< C and (not bools) or bools > 2') #短查询语法
df[(df.A < df.B) & (df.B < df.C) & (~df.bools) | (df.bools > 2)]#等效于纯Python