Auswahl von Daten mit .query()
Daten mit pandas verknüpfen
Aaren Stubberfield
Instructor
Die Methode .query()
.query('SOME SELECTION STATEMENT')
- Akzeptiert einen Input-String
- Input-String wird verwendet, um zu bestimmen, welche Zeilen zurückgegeben werden
- Input-String ähnelt Teil nach der WHERE-Klausel in SQL-Anweisung
- Keine SQL-Kenntnisse nötig
Abfrage einer einzigen Bedingung
Beispiel-Tabelle: stocks
date disney nike
0 2019-07-01 143.009995 86.029999
1 2019-08-01 137.259995 84.5
2 2019-09-01 130.320007 93.919998
3 2019-10-01 129.919998 89.550003
4 2019-11-01 151.580002 93.489998
5 2019-12-01 144.630005 101.309998
6 2020-01-01 138.309998 96.300003
7 2020-02-01 117.650002 89.379997
8 2020-03-01 96.599998 82.739998
9 2020-04-01 99.580002 84.629997
stocks.query('nike >= 90')
date disney nike
2 2019-09-01 130.320007 93.919998
4 2019-11-01 151.580002 93.489998
5 2019-12-01 144.630005 101.309998
6 2020-01-01 138.309998 96.300003
Abfrage mehrerer Bedingungen: „and“, „or“
Beispiel-Tabelle: stocks
date disney nike
0 2019-07-01 143.009995 86.029999
1 2019-08-01 137.259995 84.5
2 2019-09-01 130.320007 93.919998
3 2019-10-01 129.919998 89.550003
4 2019-11-01 151.580002 93.489998
5 2019-12-01 144.630005 101.309998
6 2020-01-01 138.309998 96.300003
7 2020-02-01 117.650002 89.379997
8 2020-03-01 96.599998 82.739998
9 2020-04-01 99.580002 84.629997
stocks.query('nike > 90 and disney < 140')
date disney nike
2 2019-09-01 130.320007 93.919998
6 2020-01-01 138.309998 96.300003
stocks.query('nike > 96 or disney < 98')
date disney nike
5 2019-12-01 144.630005 101.309998
6 2020-01-01 138.309998 96.300003
28 020-03-01 96.599998 82.739998
Aktualisierter Datensatz
Beispiel-Tabelle: stocks_long
date stock close
0 2019-07-01 disney 143.009995
1 2019-08-01 disney 137.259995
2 2019-09-01 disney 130.320007
3 2019-10-01 disney 129.919998
4 2019-11-01 disney 151.580002
5 2019-07-01 nike 86.029999
6 2019-08-01 nike 84.5
7 2019-09-01 nike 93.919998
8 2019-10-01 nike 89.550003
9 2019-11-01 nike 93.489998
Mit .query() Text auswählen
stocks_long.query('stock=="disney" or (stock=="nike" and close < 90)')
date stock close
0 2019-07-01 disney 143.009995
1 2019-08-01 disney 137.259995
2 2019-09-01 disney 130.320007
3 2019-10-01 disney 129.919998
4 2019-11-01 disney 151.580002
5 2019-07-01 nike 86.029999
6 2019-08-01 nike 84.5
8 2019-10-01 nike 89.550003
Lass uns üben!
Daten mit pandas verknüpfen
