编辑

Question

我有一个巨大的数据框，可以在两个条件下对其进行过滤。

可重现的玩具示例如下：

import pandas as pd
df_ = pd.DataFrame([["A",91,1], ["B",91,2], ["C",92,1]], 
                   columns=['Name','Iteration','IP Weight'])
df2 = pd.DataFrame([["D",91,1], ["E",91,1], ["F",91,1]], 
                   columns=['Name','Iteration','IP Weight'])

目标如果df_行与df的第一行具有相同的“迭代”和“ ip_weight”组合，请对其进行过滤并附加df，此处第一行将从df_中删除，而df2将被删除附加到它。

我将其过滤如下，

df_[~((df_['Iteration']==df2['Iteration'][0]) & (df_['IP Weight']==df2['IP Weight'][0]))]

它在笔记本中运行正常，但是当我将其放入脚本中时，它会失败并显示消息

“ FutureWarning：元素比较失败；返回标量，但将来将执行元素比较”

我们非常感谢您的帮助。

Answer 1

创建以下蒙版：

msk = df_['Iteration'].eq(df2.loc[0, 'Iteration'])\
    & df_['IP Weight'].eq(df2.loc[0, 'IP Weight'])

我假设 df2 中的第一行具有索引== 0 。此掩码的 True 值指示要从 df _ 移至 df2 的行。

然后追加要移至 df2 的行：

df2 = df2.append(df_[msk], ignore_index=True)

最后将它们从 df _ 中删除：

df_ = df_[~msk]

编辑

创建蒙版的其他更简洁的方法是：

msk = df_.iloc[:, 1:].eq(df2.iloc[0, 1:]).all(axis=1)

这次，不管 df2 第一行中的索引如何，它都可以工作。

Answer 2

因此，当我在笔记本中运行类似您的示例的内容时，正如您所说的那样，它可以正常运行-但我会注意到在研究此内容时，我找到了以下链接：

FutureWarning: elementwise comparison failed; returning scalar instead

最佳答案是有益的。我最好的猜测是，也许在您的实际数据中，某些整数记录为字符串？

例如，请参见下面的代码：

import pandas as pd
df_ = pd.DataFrame([["A",91,1], ["B",91,2], ["C",92,1]], 
                   columns=['Name','Iteration','IP Weight'])
df2 = pd.DataFrame([["D","91",1], ["E",91,1], ["F",91,1]], 
                   columns=['Name','Iteration','IP Weight'])

k=df_[((df_['Iteration']==df2['Iteration'][0]) & (df_['IP Weight']==df2['IP Weight'][0]))]

g=pd.concat([df2,k])

print(g)

通过将df2第一行的迭代作为字符串，我可以重新创建您的错误。将其设为整数即可使用。

熊猫系列琴弦比较

2 个答案:

编辑