Question

我想在大熊猫的某些年内退出几个月。我有这样的约束{month：year}。

 [{1: 2003},
 {2: 2008},
 {3: 2011},
 {4: 2012},
 {5: 2008},
 {6: 2008},
 {7: 2002},
 {8: 2006},
 {9: 2005},
 {10: 2013},
 {11: 2005},
 {12: 2001}]

意味着我想要数据框中的2003年1月，2008年2月等。我将“月”和“年”作为数据框中的两列。

我想要执行这个错误代码的东西（但想法很清楚）：

df[(df['Month'] == key for key in dict) & (df['Year'] == dict[key])]

Answer 1

您可以使用 lambda 在Pandas中执行高级过滤。

<强>假设：

所有月份和年份都是整数
约束在list of dict类型

如果数据类型不同，您可以修改以下行以解决您的问题。

生成随机数据以填充数据框

In [1]: from random import randint 

In [2]: months = [randint(1, 12) for x in range(10)]

In [3]: years = [randint(2000, 2020) for x in range(10)]

In [4]: months
Out[4]: [12, 3, 7, 6, 10, 10, 11, 9, 9, 10]

In [5]: years
Out[5]: [2017, 2016, 2001, 2004, 2015, 2013, 2001, 2020, 2013, 2016]

In [6]: import pandas as pd

In [7]: df = pd.DataFrame()

In [8]: df['Month'] = months

In [9]: df['Year'] = years

<强> 2。使用给定的list of dict并将其转换为list of tuple以便于编码

（注意：一旦你理解我想要完成的任务，你可以根据自己的意愿改变你的约束。）

In [10]: filterDict = [{1: 2003}, {2: 2008}, {3: 2011}, {4: 2012}, {5: 2008}, {6: 2008}, {7: 2002}, {8: 2006}, {9: 2005}, {3: 2016}, {6: 2004}, {12: 2001}]

In [11]: filterList = [d.items()[0] for d in filterDict]

第3。使用lambda过滤数据框

In [12]: df[df.apply(lambda x: (x['Month'],x['Year']) in filterList, axis=1)]
Out[12]: 
   Month  Year
1      3  2016
3      6  2004

过滤前的原始数据供您参考：

In [13]: df
Out[13]: 
   Month  Year
0     12  2017
1      3  2016
2      7  2001
3      6  2004
4     10  2015
5     10  2013
6     11  2001
7      9  2020
8      9  2013
9     10  2016

Answer 2

执行此操作的一个方法是将年份和月份作为浮点数加起来并使用：

In [11]: months = set(year + month * 0.01 for i in d for (month, year) in i.items())

In [12]: months
Out[12]: {2001.12, 2002.07, 2003.01, 2005.09, 2006.08, 2005.11, 2008.02, 2008.05, 2008.06, 2011.03, 2012.04, 2013.1}

然后检查同一年。月是否在DataFrame中：

In [21]: df = pd.DataFrame([[2001, 12], [2001, 3], [2002, 7]], columns=["Year", "Month"])

In [22]: df
Out[22]:
   Year  Month
0  2001     12
1  2001      3
2  2002      7

In [23]: (df["Year"] + 0.01 * df["Month"]).isin(months)
Out[23]:
0     True
1    False
2     True
dtype: bool

所以你想要的子帧是：

In [24]: df[(df["Year"] + 0.01 * df["Month"]).isin(months)]
Out[24]:
   Year  Month
0  2001     12
2  2002      7

* 它有效，但感觉有点脏......

Answer 3

from functools import reduce
df = pandas.DataFrame(dict(col1=[1,2], col2=['a','b']))

   col1 col2
0     1    a
1     2    b

params = dict(col1=2, col2='b')
mask = reduce(lambda x,y: x & y, [df[k] == v for k,v in params.items()])
print(df[mask])

   col1 col2
1     2    b

用约束词典查询熊猫

3 个答案: