dataframe.query() 上的文档非常 简洁 http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.query.html。我也无法通过网络搜索找到投影示例。
所以我尝试简单地提供列名：这给出了语法错误。同样，输入select，然后输入列名。那么..如何做到这一点？
【问题讨论】：
标签： python sql pandas dataframe
在玩了一段时间并通过the source code 阅读DataFrame.query 之后，我想不出办法。
如果不是不可能的话，显然至少强烈反对。当这个问题出现在 github 上时，多产的 Pandas dev/maintainer jreback suggested using df.eval() for selecting columns and df.query() for filtering on rows。
更新：
javadba 指出eval 的返回值不是数据帧。例如，进一步充实 jreback 的示例......
df.eval('A')
返回 Pandas 系列，但是
df.eval(['A', 'B'])
不返回 DataFrame，它返回一个列表（熊猫系列）。
因此，最终保持对行和列进行过滤的灵活性的最佳方法似乎是使用iloc/loc，例如
df.loc[0:4, ['A', 'C']]
输出
A C
0 -0.497163 -0.046484
1 1.331614 0.741711
2 1.046903 -2.511548
3 0.314644 -0.526187
4 -0.061883 -0.615978
【讨论】：
eval 不返回 DataFrame .. ret : ndarray, scalar, or pandas object 。无论如何都赞成这项努力。
iris2 = iris.eval(['sepal_length', 'species'])，但我回来的iris2是list...每个元素都是Pandas Series。很奇怪。
iloc/loc。也许玩一下，我可以在这里奖励。
Dataframe.query 更像是 SQL 语句中的 where 子句，而不是 select 部分。
import pandas as pd
import numpy as np
np.random.seed(123)
dates = pd.date_range('1/1/2000', periods=8)
df = pd.DataFrame(np.random.randn(8, 4), index=dates, columns=['A', 'B', 'C', 'D'])
要选择一列或多列，您可以使用以下命令：
df['A'] or df.loc[:,'A']
或
df[['A','B']] or df.loc[:,['A','B']]
要使用.query 方法，你可以这样做
df.query('A > B') 将返回 A 列中的值大于 b 列中的值的所有行。
A B C D
2000-01-03 1.265936 -0.866740 -0.678886 -0.094709
2000-01-04 1.491390 -0.638902 -0.443982 -0.434351
2000-01-05 2.205930 2.186786 1.004054 0.386186
2000-01-08 -0.140069 -0.861755 -0.255619 -2.798589
在我看来，布尔索引选择更易读
df[df['A'] > df['B']]
【讨论】：
https://pypi.python.org/pypi/pandasql/0.1.0
这是来自以下博客http://blog.yhat.com/posts/pandasql-sql-for-pandas-dataframes.html 的示例。输入是两个 DataFrames meat 和 births ：这种方法给出了 sql 预期的 projections、filtering、aggregation 和 sorting。
@maxpower 确实提到这个包有问题：所以让我们看看.. 至少博客中的代码和下面显示的代码可以正常工作。
pysqldf = lambda q: sqldf(q, globals())
q = """
SELECT
m.date
, m.beef
, b.births
FROM
meat m
LEFT JOIN
births b
ON m.date = b.date
WHERE
m.date > '1974-12-31';
"""
meat = load_meat()
births = load_births()
df = pysqldf(q)
根据需要，输出是熊猫DataFrame。
它非常适合我的特定用例（评估我们的罪行）
odf = pysqldf("select %s from df where sweapons > 10 order by sweapons desc limit 10" %scols)
p('odf\n', odf)
odf
: SMURDER SRAPE SROBBERY SAGASSLT SOTHASLT SVANDLSM SWEAPONS
0 0 0 0 1 1 10 54
1 0 0 0 0 1 0 52
2 0 0 0 0 1 0 46
3 0 0 0 0 1 0 43
4 0 0 0 0 1 0 33
5 1 0 2 16 28 4 32
6 0 0 0 7 17 4 30
7 0 0 0 0 1 0 29
8 0 0 0 7 16 3 29
9 0 0 0 1 0 5 28
更新我现在用pandasql 做了很多事情：计算字段、限制、别名、级联数据帧.. 它只是如此富有成效。 p>
另一个更新（3 年后） 这有效，但警告它是 非常 慢（秒 vs 毫秒）-
【讨论】：
postgresql 方言和pandasql - 而不是默认和有限的sqlite。到目前为止效果更好。
怎么样
df_new = df.query('col1==1 & col2=="x" ')[['col1', 'col3']]
将过滤 col1 等于 1 且 col2 等于“X”的行并仅返回第 1 列和第 3 列。
但是您需要过滤行，否则它不起作用。
对于过滤列，最好使用.loc 或.iloc
【讨论】：
get）：我的目标：
我希望查询结果中的 lat 和 lon 列。
我的餐桌详情：
df_city.columns
Index(['name', 'city_id', 'lat', 'lon', 'CountryName', 'ContinentName'], dtype='object')
# All columns
city_continent = df_city.get(df_city['ContinentName']=='Oceania')
# Only lat and lon
city_continent[['lat', 'lon']]
lat lon 113883 -19.12753 -169.84623 113884 -19.11667 -169.90000 113885 -19.10000 -169.91667 113886 -46.33333 168.85000 113887 -46.36667 168.55000 ... ... ... 347956 -23.14083 113.77630 347957 -31.48023 131.84242 347958 -28.29967 153.30142 347959 -35.60358 138.10548 347960 -35.02852 117.83416 3712 rows × 2 columns
【讨论】：