pandas系列（pandas.Series.query()）是否有查询方法或类似方法？

Question

pandas.DataFrame.query() 方法非常适用于 (pre/post) - 在加载或绘图时过滤数据。它对方法链接特别方便。

我发现自己经常想将相同的逻辑应用于 pandas.Series，例如在完成了诸如 df.value_counts 之类的方法之后 return 是 pandas.Series.

例子

让我们假设有一个巨大的 table 列 Player, Game, Points，我想绘制得分超过 14 乘以 3 的球员的直方图。我首先必须对每个玩家 (groupby -> agg) 的积分求和，这将 return 一系列约 1000 名玩家及其总积分。应用 .query 逻辑，它看起来像这样：

df = pd.DataFrame({
    'Points': [random.choice([1,3]) for x in range(100)], 
    'Player': [random.choice(["A","B","C"]) for x in range(100)]})

(df
     .query("Points == 3")
     .Player.values_count()
     .query("> 14")
     .hist())

我找到的唯一解决方案迫使我进行不必要的分配并中断方法链接：

(points_series = df
     .query("Points == 3")
     .groupby("Player").size()
points_series[points_series > 100].hist()

方法链接和查询方法有助于保持代码清晰，同时子集过滤很快就会变得混乱。

# just to make my point :)
series_bestplayers_under_100[series_prefiltered_under_100 > 0].shape

请帮我走出困境！谢谢

Answer 1

如果我没理解错你可以加上query("Points > 100"):

df = pd.DataFrame({'Points':[50,20,38,90,0, np.Inf],
                   'Player':['a','a','a','s','s','s']})

print (df)
  Player     Points
0      a  50.000000
1      a  20.000000
2      a  38.000000
3      s  90.000000
4      s   0.000000
5      s        inf

points_series = df.query("Points < inf").groupby("Player").agg({"Points": "sum"})['Points']
print (points_series)     
a = points_series[points_series > 100]
print (a)     
Player
a    108.0
Name: Points, dtype: float64


points_series = df.query("Points < inf")
                  .groupby("Player")
                  .agg({"Points": "sum"})
                  .query("Points > 100")

print (points_series)     
        Points
Player        
a        108.0

另一个解决方案是Selection By Callable:

points_series = df.query("Points < inf")
                  .groupby("Player")
                  .agg({"Points": "sum"})['Points']
                  .loc[lambda x: x > 100]

print (points_series)     
Player
a    108.0
Name: Points, dtype: float64

编辑问题的编辑答案：

np.random.seed(1234)
df = pd.DataFrame({
    'Points': [np.random.choice([1,3]) for x in range(100)], 
    'Player': [np.random.choice(["A","B","C"]) for x in range(100)]})

print (df.query("Points == 3").Player.value_counts().loc[lambda x: x > 15])
C    19
B    16
Name: Player, dtype: int64

print (df.query("Points == 3").groupby("Player").size().loc[lambda x: x > 15])
Player
B    16
C    19
dtype: int64

Answer 2

为什么不从 Series 转换为 DataFrame，进行查询，然后再转换回来。

df["Points"] = df["Points"].to_frame().query('Points > 100')["Points"]

这里，.to_frame()转换为DataFrame，而尾部的["Points"]转换为Series。

无论 Pandas 对象是否有 1 列或多列，都可以一致地使用方法 .query()。

Answer 3

您可以使用 pipe:

而不是查询

s.pipe(lambda x: x[x>0]).pipe(lambda x: x[x<10])

pandas系列（pandas.Series.query()）是否有查询方法或类似方法？

Is there a query method or similar for pandas Series (pandas.Series.query())?

python

series

method-chaining

dataframe

pandas

例子