Question

我想通过指定变量一组DataFrame条件来过滤大熊猫column==value的行。

我们假设我们有一个像这样的玩具DataFrame：

from itertools import product
from numpy.random import rand
df = pd.DataFrame([[i,j,k,rand()] for i,j,k,m in product(range(2), repeat=3)],
                    columns=['par1','par2','par3','val'])

其中一些行看起来像：

   par1  par2  par3       val
0     0     0     0  0.464625
1     0     0     1  0.481147
2     0     1     0  0.817992
3     0     1     1  0.639930
4     1     0     0  0.035160
5     1     0     1  0.549517
6     1     1     0  0.172746
7     1     1     1  0.855064

我想知道通过指定某些行来选择某些行的最佳方式是什么 column==value条件不需要包含所有列，也不总是包含相同列或甚至相同数量的列。我认为dict是指定条件的一种相当自然的方式：

conditions = {'par1':1, 'par3':0}

在这种情况下，df.par2的任何值都可以。

`df.isin()`

我了解df.isin() dict个参数以及all(1) as shown in the docs（该部分的最后一段代码）。问题是，未在df.isin()调用中通过条件的列中的值会给False，因此后续调用all(1)会给出一个空的DataFrame。（一种方法是将所有可能值作为标准添加所有缺失的列，但它听起来不是一个很好的解决方案）

`df.query()`

在写这个问题时，我想出了另一个尝试。这个看起来更好：从条件dict自动构建查询。

df.query(' & '.join(['({} == {})'.format(k,v)
                     for k,v in conditions.iteritems()]))

它按预期工作......

   par1  par2  par3       val
4     1     0     0  0.035160
6     1     1     0  0.172746

尽管如此，我还没有完全相信，我想知道是否有更自然/适当/清晰的方式来做它...熊猫是如此巨大我总是有一种印象我错过了正确的做事的方式......：P

Answer 1

您可以制作一系列conditions并仅选择这些列：

>>> df[(df[list(conditions)] == pd.Series(conditions)).all(axis=1)]
   par1  par2  par3       val
4     1     0     0  0.937192
6     1     1     0  0.536029

这是有效的，因为在我们制作系列之后，它将我们需要的方式与之比较：

>>> df[list(conditions)]
   par1  par3
0     0     0
1     0     1
2     0     0
3     0     1
4     1     0
5     1     1
6     1     0
7     1     1
>>> df[list(conditions)] == pd.Series(conditions)
    par1   par3
0  False   True
1  False  False
2  False   True
3  False  False
4   True   True
5   True  False
6   True   True
7   True  False

从PANDAS数据框中获取满足（字典？）需求的行

`df.isin()`

`df.query()`

1 个答案: