我有一个包含15列的数据框,分别命名为0、1、2,...,14。我想写一个方法来接收这些数据,以及一个长度为15的向量。我希望它返回基于我已经通过的向量有条件选择的数据帧。例如。传递的数据为data_,向量为v_ 我想产生那个:
data[(data[0] == v_[0]) & (data[1] == v_[1]) & ... & (data[14] == v_[14])]
但是我希望该方法具有灵活性,例如我可以传入100个名为0,...,99的列和一个长度为99的向量的数据框。我的问题是我不知道如何以编程方式巧妙地创建[(data[0] == v_[0]) & (data[1] == v_[1]) & ... & (data[14] == v_[14])]
以解决“&”符号。同样,如果有人给我一种方法,可以将“和”或“或”上用True和False填充的多个NxM矩阵合并为单个MxN矩阵,我将感到满意。
非常感谢您!
答案 0 :(得分:1)
您可以尝试以下方法:
def custom_filter(data, v):
if len(data.columns) == len(v):
# If data has the same number of columns
# as v has elements
mask = (data == v).all(axis=1)
else:
# If they have a different length, we'll need to subset
# the data first, then create our mask
# This attempts to susbet the dataframe by assuming columns
# 0 .. len(v) - 1 exist as columns, and will throw an error
# otherwise
colnames = list(range(len(v)))
mask = (data[colnames] == v).all(axis=1)
return data.loc[mask, :]
df = pd.DataFrame({
"F": list("hiadsfin"),
0: list("aaaabbbb"),
1: list("cccdddee"),
2: list("ffgghhij")
})
v = ["a", "c", "f"]
df
F 0 1 2 H
0 h a c f 1
1 i a c f 2
2 a a c g 3
3 d a d g 4
4 s b d h 5
5 f b d h 6
6 i b e i 7
7 n b e j 8
custom_filter(df, v)
F 0 1 2 H
0 h a c f 1
1 i a c f 2
请注意,使用此功能,如果列数与向量v
的长度完全匹配,则无需确保将列标记为0, 1, 2, ..., len(v)-1
。但是,如果列的数量多于v的元素,则需要确保将这些列的子集标记为0, 1, 2, ..., len(v)-1. If
v`比数据框中的列长,这将引发错误。
答案 1 :(得分:0)
这可能有效:
data[(data==v_.transpose())].dropna(axis=1)