电子爱好者，必要的仪器还是要有的
2026/5/6 8:25:28
Pandas的查询操作
pandas查询特定范围有四种方式：
- 直接索引：列只支持列表形式，不支持切片；行只支持切片形式，不支持列表形式。可以通过链式查询获取特定范围（可以先查询行，也可以先查询列）
df[行索引1:行索引5][[列索引1,列索引3,列索引5]] - 单列查询：
df.列名，这种形式，列名直接写名称，不用加双引号写成字符串，且df.列名这种形式支持单列查询，不支持多列和行查询。 - loc[]：通过列和行的标签查询。先查询行，再查询列。列和行都支持切片和列表查询。
# 写法1df.loc[行标签1:行标签5,列标签1:列标签5]# 写法2df.loc[[行标签1,行标签5],[列标签1,列标签3,列标签5]]# 注意：loc[]是属性（用方括号），不是函数（不能用圆括号）- iloc[]：通过列和行的索引查询。先查询行，再查询列。列和行都支持切片和列表查询。
# 写法1df.iloc[行索引1:行索引5,列索引1:列索引5]# 写法2df.iloc[[行索引1,行索引5],[列索引1,列索引3,列索引5]]# 注意：iloc[]是属性（用方括号），不是函数（不能用圆括号）| 操作类型 | 直接索引[] | .loc[] | .iloc[] |
|---|---|---|---|
| 选择单列 | ✅df['A'] | ✅df.loc[:, 'A'] | ✅df.iloc[:, 0] |
| 选择多列（列表） | ✅df[['A','B']] | ✅df.loc[:, ['A','B']] | ✅df.iloc[:, [0,1]] |
| 列切片（连续） | ❌ 不支持 | ✅df.loc[:, 'A':'C'] | ✅df.iloc[:, 0:3] |
| 选择单行 | ❌ 不支持 | ✅df.loc['a'] | ✅df.iloc[0] |
| 选择多行（列表） | ❌ 不支持 | ✅df.loc[['a','c']] | ✅df.iloc[[0,2]] |
| 行切片（连续） | ✅df['a':'c'] | ✅df.loc['a':'c'] | ✅df.iloc[0:3] |
| 同时选行列（标量） | ❌ 不支持 | ✅df.loc['a','A'] | ✅df.iloc[0,0] |
| 同时选行列（切片/列表） | ❌ 不支持 | ✅df.loc['a':'c', 'A':'C'] | ✅df.iloc[0:3, 0:3] |
| 布尔索引（行筛选） | ✅df[df['A']>0] | ✅df.loc[df['A']>0] | ❌ 不支持 |
| 布尔索引+指定列 | ⚠️ 链式索引 | ✅df.loc[df['A']>0, 'B'] | ❌ 不支持 |
| 负索引（从末尾） | ❌ 不支持 | ❌ 不支持 | ✅df.iloc[-3:, -2:] |
| 步长切片 | ❌ 不支持 | ⚠️ 部分支持 | ✅df.iloc[0:5:2, 0:3:1] |
布尔查询
df[df['列']>值]# 条件筛选行df[(df['列1']>值1)&(df['列2']==值2)]# 多条件df[df['列'].isin([值1,值2])]# isin条件importarcpyimportpandasaspd path=r"C:\Users\ZZQ\Desktop\待整理\行政区划数据（淘宝）\全国行政区划\84坐标行政区划\行政区划.gdb\市级行政区划"witharcpy.da.SearchCursor(path,["省","市","类型"])ascursor:data=pd.DataFrame(cursor,columns=["省","市","类型"])data=data[data["省"].isin(["江苏省","山东省"])]data