Question

从这个简单的数据框df开始：

col1,col2
1,3
2,1
3,8

我想在列名的函数中应用布尔mask。我知道价值观很容易：

mask = df <= 1

df = df[mask]

返回：

掩模：

    col1   col2
0   True  False
1  False   True
2  False  False

DF：

   col1  col2
0     1   NaN
1   NaN     1
2   NaN   NaN

正如所料。现在我想基于列名获得一个布尔掩码，如：

mask = df == df['col_1']

应返回：

掩模

    col1   col2
0   True  False
1   True  False
2   True  False

编辑：

这看起来很奇怪，但是我需要这些面具后来通过列seaborn heatmaps进行过滤。

Answer 1

正如评论中所指出的那样，你需要获得像这样的“面具”的情况似乎很少见（很有可能，你不在其中一个）。因此，在Pandas中可能没有很好的“内置”解决方案。

尽管如此，你可以使用如下的黑客来实现你所需要的，例如：

mask = (df == df) & (df.columns == 'col_1')

<强>更新即可。如注释中所述，如果您的数据框包含空值，则以这种方式计算的掩码在相应位置始终为False。如果这是一个问题，更安全的选项是：

mask = ((df == df) | df.isnull()) & (df.columns == 'col_1')

Answer 2

您可以转置数据框，而不是将其与列进行比较，然后转置回来。有点奇怪，但工作的例子：

ftl/jbehave-reports.ftl

修改

我找到了另一个答案，你可以使用isin方法：

import pandas as pd from io import StringIO data = """ col1,col2 1,3 2,1 3,8 """ df = pd.read_csv(StringIO(data)) mask = (df.T == df['col1']).T In [176]: df Out[176]: col1 col2 0 1 3 1 2 1 2 3 8 In [178]: mask Out[178]: col1 col2 0 True False 1 True False 2 True False

EDIT2

由于@DSM在评论中显示这两种情况无法正常工作。所以你应该使用@KT。方法。但是..让我们用转置玩更多：

In [41]: df.isin(df.col1) Out[41]: col1 col2 0 True False 1 True False 2 True False

pandas - 按列名掩盖数据帧

2 个答案: