使用函数过滤熊猫数据框

Question

这个问题与我昨天发布的问题有关，可以在here上找到。

因此，我继续并将Jan所提供的解决方案应用于整个数据集。解决方法如下：

import re

def is_probably_english(row, threshold=0.90):
    regular_expression = re.compile(r'[-a-zA-Z0-9_ ]')
    ascii = [character for character in row['App'] if regular_expression.search(character)]
    quotient = len(ascii) / len(row['App'])
    passed = True if quotient >= threshold else False
    return passed

google_play_store_is_probably_english = google_play_store_no_duplicates.apply(is_probably_english, axis=1)

google_play_store_english = google_play_store_no_duplicates[google_play_store_is_probably_english]

因此，据我了解，我们正在使用is_probably_english函数过滤google_play_store_no_duplicates DataFrame并将结果（布尔值）存储到另一个DataFrame（google_play_store_is_probably_english）中。然后，使用google_play_store_is_probably_english过滤掉google_play_store_no_duplicates数据框架中的非英语应用，最终结果将存储在新的数据框架中。

这有意义吗，似乎是解决问题的一种好方法？有更好的方法吗？

Answer 1

这是有道理的，我认为这是最好的方法，函数的结果如您所说是布尔值，然后将其应用于pd.Series时，最终得到一个{{1 }}的布尔值，通常称为布尔值掩码。当您想通过某些参数过滤行时，此概念在熊猫中非常有用。

Here是一篇有关熊猫中的布尔型蒙版的文章。