El método query()

La indexación booleana de Pandas es potente, pero puede volverse difícil de leer al combinar muchas condiciones. El método query() permite escribir expresiones de filtro como cadenas de texto normales, lo que a muchas personas les resulta más legible, especialmente si tienen experiencia con SQL. En lugar de df[(df['age'] > 30) & (df['salary'] > 50000)], puede escribir df.query('age > 30 and salary > 50000').

La cadena de consulta se evalúa con respecto a los nombres de las columnas del DataFrame, por lo que los nombres de las columnas actúan como nombres de variables dentro de la cadena.

Dentro de una cadena de consulta puede usar los operadores de comparación estándar de Python (>, <, ==, !=, >=, <=) y los conectores lógicos and, or, not. A diferencia de la indexación booleana habitual, aquí puede usar las palabras en inglés; no necesita ampersands ni barras verticales.

Los nombres de columnas que contienen espacios o que coinciden con palabras clave de Python deben encerrarse entre comillas invertidas: df.query('`first name` == "Alice"').

Una característica clave de query() es la posibilidad de hacer referencia a variables de Python del ámbito circundante mediante el prefijo @. Esto facilita la parametrización de filtros: calcule un umbral, guárdelo en una variable y, a continuación, use @variable_name dentro de la cadena de consulta en lugar de codificar el valor directamente.

Este patrón resulta muy útil en funciones que aceptan argumentos de filtrado durante la ejecución.

Como query() devuelve un DataFrame nuevo, puede encadenar varias llamadas a query o combinarlas con otros métodos de Pandas en una canalización. El encadenamiento mantiene cada paso de filtrado en su propia línea, lo que facilita leer, depurar y modificar la lógica.

También puede encadenar query() con métodos como .groupby(), .sort_values() o .head() para crear canalizaciones de análisis concisas.

Ambos métodos producen el mismo resultado, pero cada uno tiene su utilidad. query() resulta especialmente adecuado para filtros con varias condiciones que requerirían muchos paréntesis con la indexación booleana. La indexación booleana es mejor cuando la condición incluye expresiones complejas de Python, como llamadas a métodos que no son compatibles con las cadenas de consulta.

El rendimiento es similar en la mayoría de los casos; query() puede ser ligeramente más rápido en DataFrames muy grandes porque utiliza la biblioteca numexpr internamente.

Puede filtrar los valores de una columna de tipo cadena dentro de una cadena de consulta escribiendo entre comillas el literal de cadena. Use comillas dobles para la cadena de consulta externa y comillas simples para el valor de cadena, o al revés; lo importante es mantener la coherencia. Tenga en cuenta que query() no admite métodos .str como contains(); para esos casos, use la indexación booleana con .str.

Dentro de las cadenas de consulta, Pandas admite los operadores in y not in para comprobar la pertenencia, de forma similar a las listas de Python. Esta es una alternativa clara a encadenar varias condiciones == con or. La lista de valores se escribe directamente en la cadena de consulta.

Las comparaciones encadenadas de Python, como 10 < price < 500, funcionan dentro de las cadenas de consulta, lo que permite expresar filtros de rango de forma muy intuitiva. Esto no es posible con la indexación booleana estándar sin usar between() o dos condiciones independientes combinadas con &.

query() es potente, pero tiene algunas limitaciones. Los nombres de columnas que contienen espacios o caracteres especiales necesitan escribirse entre comillas invertidas. Las expresiones de Python muy complejas, como las funciones personalizadas o la lógica de varias líneas, no son compatibles dentro de la cadena. Además, query() puede producir resultados inesperados si los nombres de columnas coinciden con palabras clave de Python, como class o if; en esos casos, escríbalos también entre comillas invertidas.

Para cualquier operación que query() no pueda expresar claramente, vuelva a utilizar la indexación booleana estándar.

A continuación se muestra una demostración práctica que combina query() con una referencia a una variable y un encadenamiento hasta groupby. Este patrón —filtrar primero y agregar después— evita procesar filas innecesarias, lo que resulta más claro y rápido en conjuntos de datos grandes.

Usar query() dentro de una cadena de métodos es una práctica recomendada en el código moderno de Pandas. Esto hace que cada paso de la canalización de transformación sea claro y se explique por sí mismo. Encierre toda la cadena entre paréntesis para poder dividirla en varias líneas sin usar barras invertidas.

Combine query() con assign() para añadir columnas, groupby() para realizar agregaciones y pipe() para aplicar funciones personalizadas, y así crear canalizaciones completamente legibles.

Compruebe cuánto comprende del método query().

En esta lección ha aprendido que query() acepta expresiones de filtrado como cadenas, lo que hace más legibles los filtros con varias condiciones; @variable_name inserta variables de Python en la consulta; y puede usar in/not in y comparaciones encadenadas, algo que no es posible con la indexación booleana estándar. A continuación, exploraremos isin() y between() para crear filtros concisos de pertenencia y de rango.