Pandas DataFrame过滤

Question

假设我有一个包含四列的DataFrame，每列都有一个阈值，我希望根据该值来比较DataFrame的值。

我只想了解DataFrame的最小值或阈值。

例如：

df = pd.DataFrame(np.random.randn(100,4), columns=list('ABCD'))

>>> df.head()
          A         B         C         D
0 -2.060410 -1.390896 -0.595792 -0.374427
1  0.660580  0.726795 -1.326431 -1.488186
2 -0.955792 -1.852701 -0.895178 -1.353669
3 -1.002576 -0.321210  1.711597 -0.063274
4  1.217197  0.202063 -1.407561  0.940371

thresholds = pd.Series({'A': 1, 'B': 1.1, 'C': 1.2, 'D': 1.3})

此解决方案有效（A4和C3已过滤），但必须有一种更简单的方法：

df_filtered = df.lt(thresholds).multiply(df) + df.gt(thresholds).multiply(thresholds)

>>> df_filtered.head()
          A         B         C         D
0 -2.060410 -1.390896 -0.595792 -0.374427
1  0.660580  0.726795 -1.326431 -1.488186
2 -0.955792 -1.852701 -0.895178 -1.353669
3 -1.002576 -0.321210  1.200000 -0.063274
4  1.000000  0.202063 -1.407561  0.940371

理想情况下，我想使用.loc进行过滤，但我还没有设法解决这个问题。我使用Pandas 0.14.1（并且无法升级）。

回复以下是针对替代方案的初步提案的定时测试：

%%timeit
df.lt(thresholds).multiply(df) + df.gt(thresholds).multiply(thresholds)
1000 loops, best of 3: 990 µs per loop

%%timeit
np.minimum(df, thresholds)  # <--- Simple, fast, and returns DataFrame!
10000 loops, best of 3: 110 µs per loop

%%timeit
df[df < thresholds].fillna(thresholds, inplace=True)
1000 loops, best of 3: 1.36 ms per loop

Answer 1

这非常快（并返回一个数据帧）：

np.minimum( df, [1.0,1.1,1.2,1.3] )

令人惊喜的是，numpy如此顺从，没有任何重塑或明确的转换......

Answer 2

怎么样：

df[df < thresholds].fillna(thresholds, inplace=True)