DataFrame.query(self, expr, inplace=False, **kwargs)     [source]

使用布尔表达式查询DataFrame的列。

Notes

DataFrame.query() 方法说明

在 Pandas 中，DataFrame.query() 方法允许使用类似 SQL 的表达式对数据进行筛选。该表达式的求值结果首先会传递给 DataFrame.loc，如果因多维键（如一个 DataFrame 对象）导致失败，则会退而调用 DataFrame.__getitem__() 方法。

query() 方法内部使用顶层的 eval() 函数来评估传入的表达式。

默认情况下，query() 使用经过轻微调整的 Python 语法。例如，按位运算符 & 和 | 的优先级高于其布尔对应物 and 和 or。这种语法在语法上属于合法的 Python 表达式，但语义上略有不同。

如果需要使用与原生 Python 相同的语义解析方式，可以通过设置参数 parser='python' 来强制按 Python 解析表达式。同样，通过设置 engine='python' 可以指定使用 Python 本身作为计算后端（而非默认的 numexpr 引擎），但不推荐这样做，因为效率较低。

在查询表达式的命名空间中，默认会引入当前 DataFrame 的 index 和 columns，允许你像访问列一样使用它们。其中标识符 index 表示 DataFrame 的索引；你也可以通过索引的名称进行访问。请注意，Python 的保留关键字不能作为变量名使用。

更多信息与示例可参考 Pandas 文档中的 query 和索引部分的说明。

 关于反引号引用变量

使用反引号（`）包裹的变量在 query() 中会被当作字符串形式的 Python 表达式进行解析，并在内部转换为合法的 Python 标识符。然而，这种方式可能引发一些问题：

• 解析时，包含非法字符（如运算符、空格、问号、感叹号、美元符号、欧元符号等）的变量名会被替换为合法形式。

• 若包含非 ASCII 字符（不在 U+0001 到 U+007F 范围内）且未被 PEP 3131 明确支持，解析器会抛出错误。

• 某些特殊情况中，反引号与引号混用可能导致语法解析错误。如 df.query("`it's` > `that's`")

  会被解析为错误的表达式 's > that'`，从而触发异常。

例子

import pandas as pd

df = pd.DataFrame({
    'age': [18, 22, 25, 30],
    'score': [80, 90, 85, 88],
    'gender': ['M', 'F', 'F', 'M']
})

# 查询 age > 20 且 gender 为 'F'
result = df.query("age > 20 and gender == 'F'")
print(result)

1）使用外部变量（使用 @ 引用）

import pandas as pd

df = pd.DataFrame({
    'age': [18, 22, 25, 30],
    'score': [80, 90, 85, 88],
    'gender': ['M', 'F', 'F', 'M']
})

threshold = 85
result = df.query("score > @threshold")
print(result)

2）查询列名包含空格或特殊字符（需使用反引号 ` ）

import pandas as pd

df = pd.DataFrame({
    'age': [18, 22, 25, 30],
    'score': [80, 90, 85, 88],
    'gender': ['M', 'F', 'F', 'M']
})

df2 = pd.DataFrame({
    'product name': ['A', 'B', 'C'],
    'price($)': [10, 20, 15]
})
print(df2.query("`price($)` > 12"))