Question

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：

Answer 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

Answer 2

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

以外的df

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]

通过屏蔽特定行之间的子集df

2 个答案: