Question

我有一个由我的python代码读取的csv，并且使用pandas创建了一个数据框。

CSV文件采用以下格式

我的代码计算百分位数，并希望查找第二列中值大于60的所有行。

df = pd.read_csv(io.BytesIO(body), error_bad_lines=False, header=None, encoding='latin1', sep=',')

percentile = df.iloc[:, 1:2].quantile(0.99)  # Selecting 2nd column and calculating percentile

criteria = df[df.iloc[:, 1:2] >= 60.0]

虽然我的百分位代码工作正常，但找到列2值大于60的所有行的条件都会返回

NaN     NaN
NaN     NaN
NaN     NaN
NaN     NaN

你能帮我找到错误。

Answer 1

您的索引有点偏离，因为您只有两列inspect并且您只想选择索引为[0, 1]的列。正如1所述，以下就足够了：

@applesoup

但是，我会考虑命名列，并根据名称进行引用。这样可以避免在criteria = df[df.iloc[:, 1] >= 60.0]结构发生变化时出现任何错误，例如：

df

Answer 2

这里的人们似乎更有兴趣提出替代解决方案，而不是深入研究他的代码，以找出真正的错误。我将采取截然相反的策略！

您的代码存在的问题是您正在通过其他DataFrame为DataFrame df建立索引。为什么？因为您使用slices而不是整数索引。

df.iloc[:, 1:2] >= 60.0 # Return a DataFrame with one boolean column
df.iloc[:, 1] >= 60.0 # Return a Series
df.iloc[:, [1]] >= 60.0 # Return a DataFrame with one boolean column

使用以下代码更正您的代码：

criteria = df[df.iloc[:, 1] >= 60.0] # Dont slice !

Answer 3

只需更正标准内的条件即可。作为第二列“1”你应该写df.iloc [：，1] 例如：

type( df.iloc[:,1]>= 60 )

为什么呢？似乎原因存在于条件的定义类型中。让我们检查一下

案例1：

 df[ df.iloc[:,1]>= 60 ]

 #out:
   0   1
1  2  99
3  7  63

返回 pandas.core.series.Series ，
所以它给出了

type( df.iloc[:,1:2]>= 60 )

情况2：

df[ df.iloc[:,1:2]>= 60 ]

#out:
    0     1
0 NaN   NaN
1 NaN  99.0
2 NaN   NaN
3 NaN  63.0

返回 pandas.core.frame.DataFrame
，并提供

{{1}}

因此我认为它会改变索引的处理方式请记住， 3是标量，3：4是数组。

如需了解更多信息，请查看官方文档Pandas indexing

如何选择大于数据框中给定值的所有元素

3 个答案: