根据每一行中的字符串对数据进行分类

Question

我有以下数据框：

 raw_data = {'name': ['Willard', 'Nan', 'Omar', 'Spencer'],
'Last_Name': ['Smith', 'Nan', 'Sheng', 'Poursafar'],
'favorite_color': ['blue', 'red', 'Nan', "green"],
'Statues': ['Match', 'Mis-Match', 'Match', 'Mis_match']}
df = pd.DataFrame(raw_data, columns = ['name', 'age', 'favorite_color', 'grade'])
df

我想执行以下任务：

1. 分隔包含匹配和不匹配的行
2. 创建一个仅包含姓氏和名字的人，并喜欢一种颜色（除了nan之外的其他颜色）的人。

你们能帮我吗？

Answer 1

使用boolean indexing：

df1 = df[df['Statues'] == 'Match']
df2 = df[df['Statues'] =='Mis-Match']

如果缺少的值不是字符串，请使用Series.isna和 Series.notna：

df3 = df[df['Name'].isna() & df['Last_NameName'].isna() & df['favorite_color'].notna()]

如果Nan是字符串，则用Nan进行比较：

df3 = df[(df['Name'] == 'Nan') & 
         (df['Last_NameName'] == 'Nan') &
         (df['favorite_color'] != 'Nan')]