使用具有各种功能的字典过滤熊猫数据框

Question

比方说，我有一个数据帧df，其中包含任意数量的列。例如，说我们有

   a    b    c
0  5    foo  2
1  5    bar  3
2  4    foo  2
3  5    test 1
4  4    bar  7

假设我想要一个类似

的过滤器

df[(df['a'] == 5) & (~df['b'].isin(['foo','bar'])) & (df['c'].isin(range(5)))]

或类似的东西 df[(df['a'] == 5) & (~df['b'].isin(['test','bar'])) | (df['c'].isin(range(5)))]

但是我想要可以轻松插入的东西作为输入，例如：

def filter_df(filter_kwargs, df):
    # do the filtering here

我知道如何使用==运算符，但是我困惑于如何执行更复杂的运算符，例如.isin和|。最好的方法是什么？

Answer 1

这是解决方案的想法

import pandas as pd

df = pd.DataFrame({'a': [5,5,4,5,4], 'b': ['foo','bar','foo','test','bar'],'c': [2,3,2,1,7]})


def helper_function(df, *argv):
    x = True
    y = "and"
    for (i,arg) in enumerate(argv):
        if (i % 2 == 1):
            y = arg
        else:
            if (y == "and"):
                x = x & df[arg[0]].isin(arg[1])
            else:
                x = x | df[arg[0]].isin(arg[1])
    return df[x]

print(helper_function(df, ['a',[5]],"and",['b',['test','bar']],"and",['c',[0,1,2]]))

Answer 2

我在这里有三种解决方案。我认为最优雅的是前两个。第三种感觉更像是一种“黑客”，但可以作为其他灵感的来源。

import pandas as pd
df = pd.DataFrame({'a': [5,5,4,5,4], 'b': ['foo','bar','foo','test','bar'],'c': [2,3,2,1,7]})

示例1-您提供的相同内容，但拆分后更加可读：

mask_1 = (df['a'] == 5) & \
        (~df['b'].isin(['foo','bar'])) & \
        (df['c'].isin(range(5)))

print(df.loc[mask_1])

示例2-使用lambda函数，因此使用它是标准的，因为条件看起来像其他地方（==，而不是in，in，>，<等）：

mask_2 = (df['a'].apply(lambda x: x == 5)) & \
        (df['b'].apply(lambda x: x not in ['foo', 'bar'])) & \
        (df['c'].apply(lambda x: x in range(5)))

print(df.loc[mask_2])

示例3-受B. Hel的回答和更笼统的启发

def filter_df(filter_kwargs, df):
    l = len(filter_kwargs)

    for i, cond in enumerate(filter_kwargs):
        eval_cond = df[cond[0]].apply(lambda x: eval("x " + cond[1]))

        if i == 0:
            mask = eval_cond

        elif i+1 == l:
            break

        else:
            mask = eval('mask' + filter_kwargs[i-1][2] + 'eval_cond')

    return df.loc[mask]

# Format for each condition [[column_name, condition, AND_OR],...]
filter_kwargs = [['a', '==5', '&'],['b', 'not in ["foo", "bar"]','&'], ['c', 'in range(5)','|']]    
print(filter_df(filter_kwargs,df))

Answer 3

假设您有此序言

import pandas as pd
df = pd.DataFrame({'a': [5,5,4,5,4], 'b': ['foo','bar','foo','test','bar'],'c': [2,3,2,1,7]})

和此功能

def helper_function(df,d):
    x = True
    for (i,k) in enumerate(d):
        y = getattr(df[k['key']],k['function'])(k['values'])
        if k['isnot']:
            y = getattr(getattr(y,'__ne__'),'__self__')
        if i == 0:
            x = y
        else:
            x = getattr(x,k['left_connector'])(y)
    return x

现在您可以创建词典列表

di = [
    {
        'key': 'a',
        'function': 'isin',
        'isnot': False,
        'values': [5],
        'left_connector': "__and__"
    },
    {
        'key': 'b',
        'function': 'isin',
        'isnot': True,
        'values': ['test','bar'],
        'left_connector': "__and__"
    },
    {
        'key': 'c',
        'function': 'isin',
        'isnot': False,
        'values': [0,1,2,3],
        'left_connector': "__or__"
    },
]

并使用此代码进行过滤

df[helper_function(df,di)]

由于仅使用熊猫功能，因此可以保持熊猫的性能。