Question

我有两个具有相同结构的数据帧列表，并且如果任何list_b数据帧的col_a中至少存在来自list_a [df_a] [col_a]的一个值，我试图省略list_a中的每个数据帧。我已经通过了几次，但是还没有找到真正可以完成的事情。我的方法可能是错误的，朝着正确的方向表示赞赏！

方法：

    for df_a in list_a:
        for df_b in list_b:
            temp = df_a[~df_a['col_a'].isin([df_b['col_a']])] # error 'list indices must be integers or slices, not 
            if len(temp.index) > 0:
                list_a.remove(df_a)

list_a [0]

    col_a   temp
877 12/17/2019  0.300807486
886 12/31/2019  0.143508662

list_a [1]

    col_a   temp
651 7/27/2019   0.435680418
660 8/10/2019   0.229333215

list_b [0]

    col_a   temp
1   12/31/2019  0.843356517
10  1/14/2020   0.846720719

list_omit [0]

    col_a   temp
1   12/17/2019  0.600807486
2   12/31/2019  0.143508662

结果：由于list_a [0]和list_b [0]的重叠日期为12/31/2019，因此应从list_a删除list_a [0]并将其添加到dfs的“省略”列表中

复制：

import numpy as np
import pandas as pd

temp = list(range(0, 2))
list_a = []
list_b = []

for l in temp:
    df = pd.DataFrame(np.random.randint(0,100,size=(2, 2)), columns=list(['col_a','temp']))
    list_a.append(df)

for l in temp:
    df = pd.DataFrame(np.random.randint(0,100,size=(2, 2)), columns=list(['col_a','temp']))
    list_b.append(df)

print(list_a)
print(list_b)

谢谢您的帮助。

Answer 1

您可以使用修改后的this solution：

np.random.seed(2020)
temp = list(range(0, 2))
list_a = []
list_b = []

for l in temp:
    df = pd.DataFrame(np.random.randint(0,20,size=(3, 2)), columns=list(['col_a','temp']))
    list_a.append(df)

for l in temp:
    df = pd.DataFrame(np.random.randint(0,30,size=(2, 2)), columns=list(['col_a','temp']))
    list_b.append(df)

print(list_a)
print(list_b)

创建排除所有可能值的集合：

b = set([y for x in list_b for y in x['col_a']])
print (b)
{3, 28, 5, 23}

然后在循环中添加以从DataFrame中排除列表以及list_a的值的新列表：

exclude = []
a = []
for df_a in list_a:
    if df_a['col_a'].isin(b).any():
        exclude.append(df_a)
    else:
        a.append(df_a)


print (exclude)
[   col_a  temp
0      0     8
1      3     3
2      3     7]

print (a)
[   col_a  temp
0     16     0
1     10     9
2     19    11]

另一个具有列表理解能力的想法：

exclude = [df_a for df_a in list_a if df_a['col_a'].isin(b).any()]
print (exclude)
[   col_a  temp
0      0     8
1      3     3
2      3     7]

new_a = [df_a for df_a in list_a if not df_a['col_a'].isin(b).any()]
print (new_a)
[   col_a  temp
0     16     0
1     10     9
2     19    11]

用另一个数据框列表过滤数据框列表

1 个答案: