Question

我是熊猫的新人，对于数据框，如：

N  Chem    Val
A  Sodium  9
B  Sodium  10
A  Chlorid 7
B  Chlorid 10
A  Sodium  17

我喜欢在bash中使用grep，在第一列中选择包含'A'的行，在第三列中选择'Sodium'：

A  Sodium  9
A  Sodium  17

我该怎么办？我想我需要使用df[].str.contains()？ THX

Answer 1

您可以在数据框的列上使用.str.contains()来返回布尔值Series。您还可以在多个系列上执行逻辑and和or操作。最后，将逻辑Series作为键传递给数据帧将仅返回true的值。

bool1 = df.N.str.contains('A')          # True for rows of N == 'A'
bool2 = df.Chem.str.contains('Sodium')  # True for rows of Chem == 'Sodium'
df[bool1 & bool2]   # selects rows where N=='A' AND Chem=='Sodium'

returns (without including the index):
N  Chem    Val
A  Sodium  9
A  Sodium  17

Answer 2

在我看来，使用query是表达此类命令的最自然方式

df.query('N == "A" & Chem == "Sodium"')

   N    Chem  Val
0  A  Sodium    9
4  A  Sodium   17

Answer 3

如果您只想根据两列选择密钥，最好不要使用包含。这是因为你必须从其他字符串中选择sodium_A，sodium_B等（这意味着它可能比基本的多重选择慢）。

import pandas as pd

# Your sample data
df = pd.read_table('sample.txt', header=None, delim_whitespace=True)

print(df[(df.loc[:, 0] == 'A') & (df.loc[:, 1] == 'Sodium')])

   0       1   2
1  A  Sodium   9
5  A  Sodium  17

大熊猫相当于grep

3 个答案: