Question

我已经尝试了几个小时才能在此处找到答案，但是在我的特殊情况下我无法解决任何问题。我能找到的最接近的是：Apply multiple string containment filters to pandas dataframe using dictionary

我有一个交易价格的pd.Dataframe，其中包含以下几列：

df1 = database[['DealID',
         'Price',
         'Attribute A',
         'Attribute B',
         'Attribute C']]

属性分为以下类别：

filter_options = {
    'Attribute A': ["A1","A2","A3","A4"],
    'Attribute B': ["B1","B2","B3","B4"],
    'Attribute C': ["C1","C2","C3"],
}

我想使用filter_options的子集来过滤df1，该子集每个键具有多个个值：

filter = {
    'Attribute A': ["A1","A2"],
    'Attribute B': ["B1"],
    'Attribute C': ["C1","C3"],
}

当字典中每个键只有一个值时，下面的方法可以正常工作。

df_filtered = df1.loc[(df1[list(filter)] == pd.Series(filter)).all(axis=1)]

但是，每个键具有多个值，我可以获得相同的结果吗？

谢谢！

Answer 1

我认为您需要更改变量filter，因为python保留了字，然后将list comprehension与isin和concat一起使用了布尔掩码：

df1 = pd.DataFrame({'Attribute A':["A1","A2"],
                    'Attribute B':["B1","B2"],
                    'Attribute C':["C1","C2"],
                    'Price':[140,250]})

filt = {
    'Attribute A': ["A1","A2"],
    'Attribute B': ["B1"],
    'Attribute C': ["C1","C3"],
}

print (df1[list(filt)])
  Attribute A Attribute B Attribute C
0          A1          B1          C1
1          A2          B2          C2

mask = pd.concat([df1[k].isin(v) for k, v in filt.items()], axis=1).all(axis=1)
print (mask)
0     True
1    False
dtype: bool

df_filtered = df1[mask]
print (df_filtered)
  Attribute A Attribute B Attribute C  Price
0          A1          B1          C1    140

使用具有多个元素的字典过滤数据框

1 个答案: