Question

如果您确切知道如何过滤数据框，那么解决方案很简单：

df[(df.A == 1) & (df.B == 1)]

但是，如果您接受用户输入并且事先不知道用户想要使用多少条件，该怎么办？例如，用户想要一个过滤的数据框，其中列[A，B，C] == 1.是否可以执行以下操作：

def filterIt(*args, value):
    return df[(df.*args == value)]

因此，如果用户调用filterIt(A, B, C, value=1)，则会返回：

df[(df.A == 1) & (df.B == 1) & (df.C == 1)]

Answer 1

我认为最优雅的方法是使用df.query()，您可以使用所有条件构建字符串，例如：

import pandas as pd
import numpy as np

cols = {}
for col in ('A', 'B', 'C', 'D', 'E'):
    cols[col] = np.random.randint(1, 5, 20)
df = pd.DataFrame(cols)

def filter_df(df, filter_cols, value):
    conditions = []
    for col in filter_cols:
        conditions.append('{c} == {v}'.format(c=col, v=value))
    query_expr = ' and '.join(conditions)
    print('querying with: {q}'.format(q=query_expr))
    return df.query(query_expr)

示例输出（由于随机生成的数据，您的结果可能会有所不同）：

filter_df(df, ['A', 'B'], 1)
querying with: A == 1 and B == 1
    A  B  C  D  E
6   1  1  1  2  1
11  1  1  2  3  4

Answer 2

这是另一种方法。它更干净，性能更高，并且具有columns可以为空的优点（在这种情况下，返回整个数据框）。

def filter(df, value, *columns):
    return df.loc[df.loc[:, columns].eq(value).all(axis=1)]

<强>解释

values = df.loc[:, columns]仅选择我们感兴趣的列。
masks = values.eq(value)给出一个布尔数据框，表示与目标值相等。
mask = masks.all(axis=1)跨列应用AND（返回索引掩码）。请注意，您可以使用masks.any(axis=1)进行OR。
return df.loc[mask]将索引掩码应用于数据框。

<强>演示

import numpy as np
import pandas as pd

df = pd.DataFrame(np.random.randint(0, 2, (100, 3)), columns=list('ABC'))

# both columns
assert np.all(filter(df, 1, 'A', 'B') == df[(df.A == 1) & (df.B == 1)])

# no columns
assert np.all(filter(df, 1) == df)

# different values per column
assert np.all(filter(df, [1, 0], 'A', 'B') == df[(df.A == 1) & (df.B == 0)])

<强>替代

对于少量列（＆lt; 5），基于steven's answer的以下解决方案比上述解决方案更具性能，但灵活性较差。原样，它不适用于空columns集，并且不会使用每列不同的值。

from operator import and_

def filter(df, value, *columns):
    return df.loc[reduce(and_, (df[column] == value for column in columns))]

按键（Series）检索df[column]对象要比围绕列子集DataFrame）构建df.loc[:, columns]对象快得多。

In [4]: %timeit df['A'] == 1
100 loops, best of 3: 17.3 ms per loop

In [5]: %timeit df.loc[:, ['A']] == 1
10 loops, best of 3: 48.6 ms per loop

然而，当处理大量列时，这种加速变得可以忽略不计。瓶颈变为将掩模与AND编号在一起，reduce(and_, ...)远比Pandas内置all(axis=1)慢。

Answer 3

这很乱，但似乎有效。

import operator

def filterIt(value,args):
    stuff = [getattr(b,thing) == value for thing in args]
    return reduce(operator.and_, stuff)

a = {'A':[1,2,3],'B':[2,2,2],'C':[3,2,1]}
b = pd.DataFrame(a)
filterIt(2,['A','B','C'])

0    False
1     True
2    False
dtype: bool



(b.A == 2) & (b.B == 2) & (b.C ==2)

0    False
1     True
2    False
dtype: bool

Answer 4

感谢帮助人员。在找到df.query（）后，我想出了类似于Marius的东西：

def makeQuery(cols, equivalence=True, *args):
operator = ' == ' if equivalence else ' != '
query = ''
for arg in args:
    for col in cols:
        query = query + "({}{}{})".format(col, operator, arg) + ' & '

return query[:-3]


query = makeQuery([A, B, C], False, 1, 2)

查询内容是一个字符串：

(A != 1) & (B != 1) & (C != 1) & (A != 2) & (B != 2) & (C != 2)

可以传递给df.query（查询）

pandas：是否可以使用任意长的布尔标准过滤数据帧？

4 个答案: