熊猫：如何将多个单元格与列表/元组进行比较

Question

我需要比较整个数据框中的某些列，例如：

df = pd.DataFrame({'A':[1,1,3],'B':[4,5,6]})

#Select condition: If df['A'] == 1 and df['B'] == 4, then pick up this row. 

对于这个简单的示例，我可以使用以下方法：

df.loc[(df['A']==1)&(df['B']==4),'A':'B']

但是，实际上我的数据框有数十列，应该整体比较。如果我选择列出所有这些，上述解决方案将非常混乱。因此，我认为，如果将它们作为一个整体与列表进行比较可能会解决问题：

#something just like this:
df.loc[df.loc[:,'A':'B']==[1,4],'A':'B')]

不起作用。因此，我想到了一个想法，首先将所有所需的列合并为一个新列，作为列表值，然后将该新列与列表进行比较。后者已在Pandas: compare list objects in Series

中解决

尽管通常情况下我已经解决了案件，但我仍然想知道是否有更简单的方法来解决此问题？谢谢。

Answer 1

您可以通过数据的NumPy数组表示形式使用布尔掩码：

df = pd.DataFrame({'A':[1,1,3],'B':[4,5,6]})

res = df[(df.loc[:, 'A':'B'].values == [1, 4]).all(1)]

print(res)

   A  B
0  1  4

在这种情况下，切勿将您的列合并到一个单独的列表列表中。这样效率低下，因为您将失去所有向量化的好处，此后的任何处理都将涉及Python级循环。

Answer 2

或使用[[]]获取多列：

df[(df[['A','B']].values==[1,4]).all(1)]

演示：

>>> df = pd.DataFrame({'A':[1,1,3],'B':[4,5,6]})
>>> df[(df[['A','B']].values==[1,4]).all(1)]
   A  B
0  1  4
>>>