Question

我通过对.fits文件进行以下操作创建了一个DataFrame：

data_dict= dict()
for obj in sortedpab:
    for key in ['FIELD', 'ID',  'RA' , 'DEC' , 'Z_50', 'Z_84','Z_16' , 'PAB_FLUX', 'PAB_FLUX_ERR']:
        data_dict.setdefault(key, list()).append(obj[key])

gooddf = pd.DataFrame(data_dict)
gooddf['Z_ERR']= ((gooddf['Z_84'] - gooddf['Z_50']) + (gooddf['Z_50'] - gooddf['Z_16'])) / (2 * 
gooddf['Z_50'])
gooddf['OBS_PAB'] = 12820 * (1 + gooddf['Z_50'])
gooddf.loc[gooddf['FIELD'] == "ERS" , 'FIELD'] = "ERSPRIME"
gooddf = gooddf[['FIELD' , 'ID' , 'RA' , 'DEC' , 'Z_50' , 'Z_ERR' , 'PAB_FLUX' , 'PAB_FLUX_ERR' , 
'OBS_PAB']]
gooddf = gooddf[gooddf.OBS_PAB <= 16500]

这给了我一个包含351行9列的DataFrame。我只想根据某些索引保留行，例如，我想做这种事情：

indices = [5 , 6 , 9 , 10]
gooddf = gooddf[gooddf.index == indices]

我希望它仅保留具有数组索引中列出的索引值的行，但这给了我一些问题。

我找到了一种用于for循环的方法：

good = np.array([5 , 6 , 9 , 12 , 14 , 15 , 18 , 21 , 24 , 29 , 30 , 35 , 36 , 37 , 46 , 48 ])

gooddf50 = pd.DataFrame()
for i in range(len(good)):
    gooddf50 = gooddf50.append(gooddf[gooddf.index == good[i]])

有人想过如何更好地做到这一点，最好只使用熊猫吗？

Answer 1

这可以解决问题：

gooddf.loc[indices]

重要说明：.iloc和.loc在做的事情上略有不同，这就是为什么您可能会得到意想不到的结果的原因。

您可以更深入地了解建立索引here的详细信息，但是要理解的关键是.iloc根据指定的位置返回行，而{{1 }}根据指定的索引标签返回行。因此，如果您的索引未排序，.loc和.loc的行为将有所不同。

如何在熊猫DataFrame中按索引仅保留一组特定的行

1 个答案: