Question

假设我在Pandas中有一个包含多个列的数据帧。我想选择数据框的子集，其中所有列位于两个值min和max之间。

如何使用query执行此操作？我是否需要在表达式中逐个指定每个列名：例如：

df.query('(A<{max} & A>{min}) & (B{min} & B{max}) & (C{min} & C{max})'.format(min,max))

除了查询，我还有其他选择吗？也许直接与满足条件的指数一起工作？

Answer 1

对于您的用例，我将使用非查询方式，构造一个布尔框架，然后调用.all方法：

>>> minval, maxval = 20, 80
>>> df = pd.DataFrame(np.random.randint(0, 100, (20,6)))
>>> df[((df > minval) & (df < maxval)).all(axis=1)]
     0   1   2   3   4   5
2   74  30  30  76  31  66
10  49  39  71  43  30  50

我认为手动构建扩展query的优势并不值得。

Answer 2

我不确定您认为在这里需要query的原因。但如果你想这样做，你可以。您已经使用format语句动态构建查询字符串;通过加入理解，你只需要让它更多动态。例如：

qs = ' & '.join('{col}<{max} & {col}>{min}'.format(col, min, max)
                for col in df.columns)
df.query(qs)

我个人会这样做，就像@DSM建议的那样。除非你出于某种原因需要查询字符串（可能要将其打印出来？），否则构建一个字符串以将其作为表达式进行评估，而不是构建表达式，这通常是错误的答案。

选择查询所有列的条件满足

2 个答案: