Question

假设我有以下数据框：

elements =  [1,1,1,1,1,2,3,4,5]
df = pd.DataFrame({'elements': elements})
df.set_index(['elements'])
print df
   elements
0      1
1      1
2      1
3      1
4      1
5      2
6      3

我有一个列表[1, 1, 2, 3]，我想要一个包含这4个元素的数据帧的子集，例如：

我已经能够通过构建一个计算数组中项目出现次数的dict并通过附加初始数据的子部分来构建新的数据帧来处理它。

您是否了解一些数据框方法以帮助我找到更优雅的解决方案？

在@jezrael评论之后：我必须补充一点，我需要跟踪初始索引（以df为单位）。

我们可以看到df（第一个数据帧）作为资源的存储库，我需要跟踪哪些行/索引归属：

用例是：在df中的元素中给我两个1，一个2和一个3.我会坚持我的行0和1为1，第4行为2，第5行为3。 / p>

Answer 1

当且仅当您的Series和list已排序（否则，请参阅下文），您可以执行以下操作：

L = [1, 1, 2, 3]
df[df.elements.apply(lambda x: x == L.pop(0) if x in L else False)]
       elements
0         1
1         1
5         2
6         3

list.pop(i)返回并删除list处索引i处的值。由于elements和L都已排序，因此弹出子集列表i==0的第一个元素（L）将始终出现在{{{ 1}}。

因此，在elements的{{1}}的每次迭代中，lambda将成为：

elements

正如您所看到的，您的列表最后是空的，所以如果它出现问题，您可以事先复制它。或者，您实际上在刚刚创建的新数据框中拥有该信息！

如果未对L进行排序，请创建一个排序副本，在该副本上应用与上面相同的lambda函数，但它的输出将用作原始数据帧的索引（使用值为True的索引））：

| element |       L      |   Output  |
|=========|==============|===========|
|    1    | [1, 1, 2, 3] |    True   |
|    1    |    [1, 2, 3] |    True   |
|    1    |       [2, 3] |   False   |
|    1    |       [2, 3] |   False   |
|    1    |       [2, 3] |   False   |
|    2    |       [2, 3] |    True   |
|    3    |          [3] |    True   |
|    4    |           [] |   False   | 
|    5    |           [] |   False   |

HTH

Answer 2

merge的新列可以通过GroupBy.cumcount提取{/ 3>}来提取。

L = [1,1,2,3]
df1 = pd.DataFrame({'elements':L})

df['g'] = df.groupby('elements')['elements'].cumcount()
df1['g'] = df1.groupby('elements')['elements'].cumcount()

print (df)
   elements  g
0         1  0
1         1  1
2         1  2
3         1  3
4         1  4
5         2  0
6         3  0
7         4  0
8         5  0

print (df1)
   elements  g
0         1  0
1         1  1
2         2  0
3         3  0

print (pd.merge(df,df1, on=['elements', 'g']))
   elements  g
0         1  0
1         1  1
2         2  0
3         3  0

print (pd.merge(df.reset_index(),df1, on=['elements', 'g'])
                  .drop('g', axis=1)
                  .set_index('index')
                  .rename_axis(None))
   elements
0         1
1         1
5         2
6         3

根据值（重复）提取pandas数据帧的子集？

2 个答案: