我正在尝试通过删除介于特定值之间的行来对熊猫df
进行子集化。问题在于这些值可以位于不同的行,因此我无法选择固定的行。
具体地说,我想删除介于ABC xxx
和整数5
之间的行。这些值可以落在df
中的任何位置,并且长度不相等。
注意:字符串ABC
后将带有不同的值。
我考虑过返回包含这两个值的所有索引。
但是如果我可以返回这两个值之间的所有行 ,则mask可以更好地工作?
df = pd.DataFrame({
'Val' : ['None','ABC','None',1,2,3,4,5,'X',1,2,'ABC',1,4,5,'Y',1,2],
})
mask = (df['Val'].str.contains(r'ABC(?!$)')) & (df['Val'] == 5)
预期输出:
Val
0 None
8 X
9 1
10 2
15 Y
16 1
17 2
答案 0 :(得分:1)
如果ABC
始终在5
之前并且始终对(ABC
,5
)获取具有np.where
,zip
和获取介于-之间的索引值-通过isin
进行最后过滤,使用~
进行反转掩码:
#2 values of ABC, 5 in data
df = pd.DataFrame({
'Val' : ['None','ABC','None',1,2,3,4,5,'None','None','None',
'None','ABC','None',1,2,3,4,5,'None','None','None']
})
m1 = np.where(df['Val'].str.contains(r'ABC', na=False))[0]
m2 = np.where(df['Val'] == 5)[0]
print (m1)
[ 1 12]
print (m2)
[ 7 18]
idx = [x for y, z in zip(m1, m2) for x in range(y, z + 1)]
print (df[~df.index.isin(idx)])
Val
0 None
8 X
9 1
10 2
11 None
19 X
20 1
21 2
答案 1 :(得分:0)
a = df.index[df['Val'].str.contains('ABC')==True][0]
b = df.index[df['Val']==5][0]+1
c = np.array(range (a,b))
bad_df = df.index.isin(c)
df[~bad_df]
输出
Val
0 None
8 X
9 1
10 2
如果“ ABC”和“ ABC”不止一个,则为以下版本。
这样,您可以获得除第一个ABC
和最后一个5
a = (df['Val'].str.contains('ABC')==True).idxmax()
b = df['Val'].where(df['Val']==5).last_valid_index()+1
c = np.array(range (a,b))
bad_df = df.index.isin(c)
df[~bad_df]