如何解决当列名是 Python 关键字import、sum、min 等时,pandas.query() 的替代方法?
query() 的 Pandas 文档指出
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.query.html
作为 Python 关键字的列名(如“list”、“for”、“import”、 等)不能使用。
这就是为什么在下面的玩具示例中,我不能使用 pandas.query() 来过滤名为 'min
' 或 'sum
' 的列
我的问题是:如果我不能使用 query() ,什么是有效且易于阅读的过滤多列的方法?例如。运行与 sql 语句等效的 Pandas,例如:
select m.* from df m where (m.[min] > 0.5 and m.[min] < 0.9) or m.[sum] > 0.7
使用 Pandas 语法,想到这一点:
out5 = df.loc[ ( (df['min'] > 0.5 ) & df['min'] < 0.9 ) | df['sum'] > 0.7 ]
这很好用,但我发现很难阅读,而且比大多数其他语言(从 sql 到 R)晦涩得多。
我也不明白为什么第一个条件 [ min > 0.5 ] 必须在括号中,否则它不起作用。
我曾想过使用 pandasql 包,它将数据帧加载到内存中的 sqlLite 数据库中,在那里运行一个查询,然后导出回 Pandas,但是大约 5 年前开发停止了,它从未达到过版本1,恐怕数据类型可能会被混淆(例如 sqlLite 不明确支持日期或日期时间)。
玩具示例是这样的:
import pandas as pd
import numpy as np
df = pd.DataFrame(columns=['a','min','sum','col with space'],data = np.random.rand(100,4))
# this works
out1 = df.query("a > 0.5" )
# this doesn't: TypeError: '>' not supported between instances of 'function' and 'float'
out2 = df.query(" min > 0.5 ")
# doesn't work:
# NumExprClobberingError: Variables in expression "(sum) > (0.5)" overlap with builtins: ('sum')
out3 = df.query(" sum > 0.5 ")
# this works
out4 = df.query(" `col with space` > 0.5 ")
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。