Pandas Panel花式索引:如何根据每个df中多列的布尔值返回(索引)Panel中的所有DataFrame

时间:2012-11-22 04:21:21

标签: python indexing panel dataframe pandas

我有一个Pandas面板,其中包含许多具有相同行/列标签的DataFrame。我想创建一个包含基于几列的DataFrames的新面板。

对于数据框和行,这很容易:假设我有一个df,zHe_compare。我可以通过以下方式获得合适的行:

zHe_compare[(zHe_compare['zHe_calc'] > 100) & (zHe_compare['zHe_med'] > 100) | ((zHe_obs_lo_2s <=zHe_compare['zHe_calc']) & (zHe_compare['zHe_calc'] <= zHe_obs_hi_2s))]

但我该怎么办(伪代码,简化布尔值):

good_results_panel = results_panel[ all_dataframes[ sum ('zHe_calc' < 'zHe_obs') > min_num ] ]

我知道内部布尔部分,但是如何为面板中的每个数据框指定这个?因为我需要来自每个df的多个列,所以我没有使用panel.minor_xs切片技术取得成功。

谢谢!

1 个答案:

答案 0 :(得分:1)

如其documentation中所述,Panel目前有点欠发达,因此您在使用DataFrame时所依赖的甜蜜语法尚不存在

同时,我建议使用Panel.select方法:

def is_good_result(item_label):
    # whatever condition over the selected item
    df = results_panel[item_label]
    return df['col1'].sum() > 5

good_results = results.select(is_good_result)

is_good_result函数返回一个布尔值。请注意,其参数不是DataFrame实例,因为Panel.select将其参数应用于项标签,而不是该项的DataFrame内容。

当然,如果你涉及整个简洁的事情,你可以在一个语句中将整个标准函数填充到lambda中:

good_results = results.select(
                 lambda item_label: results[item_label]['col1'].sum() > 5
                 )