对 pandas 数据框进行子集化的最佳方法[关闭]

嘿，我是 Pandas 新手，我刚刚遇到df.query().

为什么人们会使用df.query()什么时候可以使用括号表示法直接过滤数据框？ pandas 官方教程似乎也更喜欢后一种方法。

带括号表示法：

df[df['age'] <= 21]

使用 pandas 查询方法：

df.query('age <= 21')

除了已经提到的一些风格或灵活性差异之外，是否有一个规范的首选 - 即大型数据帧上的操作性能？

考虑以下示例 DF：

In [307]: df
Out[307]:
  sex  age     name
0   M   40      Max
1   F   35     Anna
2   M   29      Joe
3   F   18    Maria
4   F   23  Natalie

有很多充分的理由选择.query() method.

• 与布尔索引相比，它可能更短、更清晰：

  In [308]: df.query("20 <= age <= 30 and sex=='F'")
  Out[308]:
    sex  age     name
  4   F   23  Natalie
  
  In [309]: df[(df['age']>=20) & (df['age']<=30) & (df['sex']=='F')]
  Out[309]:
    sex  age     name
  4   F   23  Natalie
  

• 您可以通过编程方式准备条件（查询）：

  In [315]: conditions = {'name':'Joe', 'sex':'M'}
  
  In [316]: q = ' and '.join(['{}=="{}"'.format(k,v) for k,v in conditions.items()])
  
  In [317]: q
  Out[317]: 'name=="Joe" and sex=="M"'
  
  In [318]: df.query(q)
  Out[318]:
    sex  age name
  2   M   29  Joe
  

PS也有一些缺点：

• 我们不能使用.query()包含空格的列或仅由数字组成的列的方法
• 并非所有功能都可以应用，或者在某些情况下我们必须使用engine='python'而不是默认的engine='numexpr'（更快）

注：Jeff（Pandas 主要贡献者之一，Pandas 核心团队成员）曾经有人说 https://github.com/pandas-dev/pandas/issues/6508#issuecomment-283181667:

请注意，实际上 .query 只是一个很好的接口 它有非常具体的保证，这意味着它的解析方式就像 查询语言，而不是完全通用的接口。