如何根据布尔值过滤熊猫系列?
目前,我有:
s.apply(lambda x: myfunc(x, myparam).where(lambda x: x).dropna()
我想要的只是保留myfunc
返回true的条目。myfunc
是使用第三方代码的复杂函数,仅对单个元素进行操作。
如何使它更容易理解?
答案 0 :(得分:1)
mask = s.apply(lambda x: myfunc(x, myparam))
print (s[mask])
如果mask
过滤器中的索引值也被一维数组更改:
#pandas 0.24+
print (s[mask.to_numpy()])
#pandas below
print (s[mask.values])
编辑:
s = pd.Series([1,2,3])
def myfunc(x, n):
return x > n
myparam = 1
a = s[s.apply(lambda x: myfunc(x, myparam))]
print (a)
1 2
2 3
dtype: int64
可以使用callable解决方案,但我认为这有点复杂:
a = s.loc[lambda s: s.apply(lambda x: myfunc(x, myparam))]
print (a)
1 2
2 3
dtype: int64
答案 1 :(得分:0)
您可以通过下面给出的示例代码来理解它
import pandas as pd
data = pd.Series([1,12,15,3,5,3,6,9,10,5])
print(data)
# filter data based on a condition keep only rows which are multiple of 3
filter_cond = data.apply(lambda x:x%3==0)
print(filter_cond)
filter_data = data[filter_cond]
print(filter_data)
此代码将要过滤3的倍数的序列数据。为此,我们只需要放置过滤条件并将其应用于序列数据。您可以使用以下生成的输出进行验证。
样本系列数据:
0 1
1 12
2 15
3 3
4 5
5 3
6 6
7 9
8 10
9 5
dtype: int64
条件过滤器输出:
0 False
1 True
2 True
3 True
4 False
5 True
6 True
7 True
8 False
9 False
dtype: bool
最终所需的过滤器数据:
1 12
2 15
3 3
5 3
6 6
7 9
dtype: int64
希望,这可以帮助您了解我们如何在序列数据上应用条件过滤器。