Question

考虑以下代码：

from StringIO import StringIO
import pandas as pd

txt = """a, RR
10, 1asas
20, 1asasas
30,
40, asas
50, ayty
60, 2asas
80, 3asas"""
frame = pd.read_csv(StringIO(txt), skipinitialspace=True)

print frame,"\n\n\n"

l=[]
for i,j in frame[~ frame['RR'].str.startswith("1", na=True)]['RR'].iteritems():
    if j.startswith(('2','3')):
         if frame[frame['RR'].str.startswith("1", na=False)]['RR'].str.match("1"+j[1:], as_indexer = True).any():
            l.append(i)
    else:
        if frame[frame['RR'].str.startswith("1", na=False)]['RR'].str.match("1"+j, as_indexer = True).any():
            l.append(i)
 frame = frame.drop(frame.index[l])
 print frame

我在这里做的是，

1）循环遍历数据框以删除数据框中已有RR的任何1RR

2）如果RR在开始时有2 or 3，那么如果RR在数据框中有1RR[1:]，则删除。

3）如果RR以1或NaN开头，请勿触摸。

代码工作正常但是这个dataframe将有多达100万个条目，我不认为这个代码是优化的。因为我刚刚开始pandas我的知识有限。有没有办法在没有iteration的情况下实现这一点。pandas是否有任何内置实用程序来执行此操作？

Answer 1

首先，保持所有字符串以1或nan开头：

keep = frame['RR'].str.startswith("1", na=True)
keep1 = keep[keep]  # will be used at the end

第二次，请保留以2或3开头且不在第一个数据框rr1中的字符串：

rr1 = frame.loc[frame['RR'].str.startswith("1", na=False), 'RR']
keep2 = ~frame.loc[
            (frame['RR'].str.startswith("2")) | (frame['RR'].str.startswith("3")), 'RR'
        ].str.slice(1).isin(rr1.str.slice(1))

第三次，在添加引导rr1后保留1以外的其他字符串：

import numpy as np
keep3 = ~("1" + frame.loc[
            ~frame['RR'].str.slice(0,1).isin([np.nan, "1", "2", "3"]), 'RR'
        ]).isin(rr1)

最后，将所有内容放在一起：

frame[pd.concat([keep1, keep2, keep3]).sort_index()]

Pandas根据条件从数据框中删除行

1 个答案: