Метод query()

Логическая индексация Pandas эффективна, но при объединении множества условий может стать многословной. Метод query() позволяет записывать выражения фильтра в виде обычных строк, что многим кажется более понятным, особенно тем, кто знаком с SQL. Вместо df[(df['age'] > 30) & (df['salary'] > 50000)] Вы записываете df.query('age > 30 and salary > 50000').

Строка запроса вычисляется относительно имён столбцов DataFrame, поэтому внутри строки имена столбцов играют роль имён переменных.

Внутри строки запроса можно использовать стандартные операторы сравнения Python (>, <, ==, !=, >=, <=) и логические связки and, or, not. В отличие от обычной логической индексации, здесь можно использовать английские слова — амперсанды и вертикальные черты не нужны.

Имена столбцов с пробелами или имена, совпадающие с ключевыми словами Python, необходимо заключать в обратные кавычки: df.query('`first name` == "Alice"').

Ключевая возможность query() — обращаться к переменным Python из внешней области видимости с помощью префикса @. Это упрощает настройку фильтров: вычислите порог, сохраните его в переменной, а затем используйте @variable_name внутри строки запроса вместо жёстко заданного значения.

Такой подход особенно полезен в функциях, которые принимают аргументы фильтра во время выполнения.

Поскольку query() возвращает новый DataFrame, Вы можете объединять в цепочку несколько вызовов query() или сочетать их с другими методами Pandas в конвейере. Цепочка размещает каждый шаг фильтрации в отдельной строке, благодаря чему логику легко читать, отлаживать и изменять.

Вы также можете объединять в цепочку query() с такими методами, как .groupby(), .sort_values() или .head(), чтобы создавать компактные конвейеры анализа.

Оба метода дают одинаковый результат, но каждый подходит для своих задач. query() особенно удобен для фильтров с несколькими условиями, которые при логической индексации потребовали бы множества скобок. Логическая индексация лучше, когда условие содержит сложные выражения Python, например вызовы методов, не поддерживаемые в строках запросов.

В большинстве случаев производительность схожа; query() может быть немного быстрее для очень больших DataFrames, поскольку использует библиотеку numexpr внутри.

Фильтровать значения строкового столбца внутри строки запроса можно, заключив строковый литерал в кавычки. Используйте двойные кавычки для внешней строки запроса и одинарные — для строкового значения или наоборот — главное, будьте последовательны. Обратите внимание: query() не поддерживает методы .str, такие как contains(); для них используйте булеву индексацию с .str.

Внутри строк запросов Pandas поддерживает операторы in и not in для проверки принадлежности, аналогично спискам Python. Это удобная альтернатива объединению нескольких условий == с помощью or. Список значений записывается непосредственно в строке запроса.

Цепочки сравнений Python, такие как 10 < price < 500, работают внутри строк запросов, благодаря чему фильтры диапазона становятся очень выразительными. При стандартной булевой индексации это невозможно без использования between() или двух отдельных условий, объединённых с помощью &.

query() — мощный инструмент, но у него есть несколько ограничений. Имена столбцов, содержащие пробелы или специальные символы, необходимо заключать в обратные кавычки. Очень сложные выражения Python (пользовательские функции, многострочная логика) нельзя использовать внутри строки. Кроме того, query() может давать неожиданные результаты, если имена столбцов совпадают с ключевыми словами Python, например class или if — такие имена тоже заключайте в обратные кавычки.

Если выразить условие с помощью query() корректно не удаётся, используйте стандартную булеву индексацию.

Вот практическая демонстрация, в которой query() используется вместе со ссылкой на переменную и последующим вызовом groupby. Этот подход — сначала фильтровать, затем агрегировать — позволяет не обрабатывать ненужные строки, что делает код понятнее и ускоряет работу с большими наборами данных.

Использование query() внутри цепочки методов считается хорошей практикой в современном коде Pandas. Каждый шаг конвейера преобразований становится понятным и самодокументируемым. Заключайте всю цепочку в круглые скобки, чтобы переносить её на несколько строк без обратных косых черт.

Сочетайте query() с assign() для добавления столбцов, groupby() для агрегирования и pipe() для пользовательских функций, чтобы строить полностью понятные конвейеры.

Проверьте, насколько хорошо Вы поняли метод query().

В этом уроке Вы узнали, что query() принимает выражения фильтрации в виде строк, благодаря чему фильтры с несколькими условиями становятся понятнее, а @variable_name позволяет передавать переменные Python в запрос. Также Вы научились использовать in/not in и цепочки сравнений, недоступные при стандартной булевой индексации. Далее мы рассмотрим isin() и between() для компактной фильтрации по принадлежности и диапазону.