Question

假设我有一个像这样的数据框

import pandas as pd
df = pd.DataFrame([[1, 2, 1], [1, 3, 2], [4, 6, 3], [4, 3, 4], [5, 4, 5]], columns=['A', 'B', 'C'])

>> df
   A  B  C
0  1  2  1
1  1  3  2
2  4  6  3
3  4  3  4
4  5  4  5

原始表格更复杂，列数和行数更多。

我希望获得符合某些条件的第一行。例子：

获取A＆gt;的第一行3（返回第2行）
获取A＆gt;的第一行4和B> 3（返回第4行）
获取A＆gt;的第一行3 AND（B> 3或C> 2）（返回第2行）

但是，如果没有任何行符合特定标准，那么我想在按A（或其他情况用B，C等）对其进行排序之后得到第一行

获取A＆gt;的第一行6（通过A desc命令返回第4行并获得第一个）

我能够通过迭代数据帧来实现（我知道掷骰子：P）。所以，我更喜欢用更加pythonic的方式来解决它。

Answer 1

对于pandas切片来说，

This tutorial非常好。一定要检查一下。在某些片段上...要使用条件切片数据帧，请使用以下格式：

>>> df[condition]

这将返回您可以使用iloc索引的数据帧的一部分。以下是您的示例：

获取A＆gt;的第一行3（返回第2行）

>>> df[df.A > 3].iloc[0]
A    4
B    6
C    3
Name: 2, dtype: int64

如果你真正想要的是行号，而不是iloc，那就是df[df.A > 3].index[0]。

获取A＆gt;的第一行4和B> 3：

>>> df[(df.A > 4) & (df.B > 3)].iloc[0]
A    5
B    4
C    5
Name: 4, dtype: int64

获取A＆gt;的第一行3 AND（B> 3或C> 2）（返回第2行）

>>> df[(df.A > 3) & ((df.B > 3) | (df.C > 2))].iloc[0]
A    4
B    6
C    3
Name: 2, dtype: int64

现在，在你的上一个案例中，我们可以编写一个函数来处理返回降序排序帧的默认情况：

>>> def series_or_default(X, condition, default_col, ascending=False):
...     sliced = X[condition]
...     if sliced.shape[0] == 0:
...         return X.sort_values(default_col, ascending=ascending).iloc[0]
...     return sliced.iloc[0]
>>> 
>>> series_or_default(df, df.A > 6, 'A')
A    5
B    4
C    5
Name: 4, dtype: int64

正如所料，它返回第4行。

Answer 2

对于现有比赛，请使用query：

df.query(' A > 3' ).head(1)
Out[33]: 
   A  B  C
2  4  6  3

df.query(' A > 4 and B > 3' ).head(1)
Out[34]: 
   A  B  C
4  5  4  5

df.query(' A > 3 and (B > 3 or C > 2)' ).head(1)
Out[35]: 
   A  B  C
2  4  6  3

Answer 3

你可以用切片和头部来处理前3个项目：

df[df.A>=4].head(1)
df[(df.A>=4)&(df.B>=3)].head(1)
df[(df.A>=4)&((df.B>=3) * (df.C>=2))].head(1)

如果没有任何回复的情况你可以通过试试或if ...来处理

try:
    output = df[df.A>=6].head(1)
    assert len(output) == 1
except: 
    output = df.sort_values('A',ascending=False).head(1)

Answer 4

对于“一旦找到符合要求的第一行/记录并立即返回值，并且不迭代其他行”，以下代码将起作用：

def pd_iter_func(df):
    for row in df.itertuples():
        # Define your criteria here
        if row.A > 4 and row.B > 3:
            return row

对于大型数据帧，它比Boolean Indexing更有效率。

为使以上功能更适用，可以实现lambda函数：

def pd_iter_func(df: DataFrame, criteria: Callable[[NamedTuple], bool]) -> Optional[NamedTuple]:
    for row in df.itertuples():
        if criteria(row):
            return row

pd_iter_func(df, lambda row: row.A > 4 and row.B > 3)

如the answer to the 'mirror' question中所述，pandas.Series.idxmax也是不错的选择。

def pd_idxmax_func(df, mask):
    return df.loc[mask.idxmax()]

pd_idxmax_func(df, (df.A > 4) & (df.B > 3))

根据条件获取Python Pandas中的第一行数据帧

4 个答案: