熊猫：为多列

Question

我正在使用它来有条件地选择column行：

X.loc[data['column'] == 1]

但是我想将这个条件扩展到几个列。这些列有一些共同点：它们包含相同的字符串。实际上我有一个column1，一个column2，...，column100等等，这个条件应该适用于所有这些列。实际上是这样的（通配符）：

X.loc[data['column*'] == 1]

这些条件应与OR相关联。有机会轻松做到这一点吗？

Answer 1

对于某些数据框X

   p A  p B  p C
0    0    0    0
1    0    0    0
2    0    0    1
3    0    0    0
4    0    0    0
5    0    0    0
6    1    0    0

如果您可以在col_list

中设置要测试的列的名称

col_list = X.columns

然后，您可以使用np.any()在每个地方进行测试：

X.loc[(X[col_list] == 1).any(axis=1)]

这给了你：

   p A  p B  p C
2    0    0    1
6    1    0    0

通知你不需要loc并且仍然会得到相同的答案，归功于@MaartynFabre的信息

X[(X[col_list] == 1).any(axis=1)]

   p A  p B  p C
2    0    0    1
6    1    0    0

Answer 2

测试Dataframe

(

使用所有列的测试

创建一个新的数据框

    col0 col1 col2
0   1    1    2
1   1    1    1
2   2    2    2

结果

result_s = d.concat((df['col%i'%i] == 1 for i in range(3)), axis=1).all(axis=1)

如果你做0 False 1 True 2 False dtype: bool ，你会得到

df[result_s]

这会选择所有列为 col0 col1 col2 1 1 1 1 的行。如果其中一行足够，请将==1更改为.all()

.any

Answer 3

将每个比较放在括号中并将它们与逻辑运算符组合：

pd.DataFrame(X).loc[(data['col1']==23) & (data['col2']==42)] # and
pd.DataFrame(X).loc[(data['col1']==23) | (data['col2']==42)] # or

Answer 4

这是另一种考虑方式：

df
   col0  col1  col2
0     1     1     2
1     1     1     1
2     2     2     2

df.loc[df['col0'] == 1, [x for x in df.columns if x == 'col0']]
   col0
0     1
1     1

您可以使用列表推导来查找您要查找的列。