Question

我已将x的值检索为x = 10.64589195722904，需要使用loc在我现有的数据框中进行匹配。由于减法结果可能是负值，我必须忽略它，因此我正在使用math.fabs来实现它。

fdf = df.loc[(math.fabs(df['x'] - x) <= 0.01 & math.fabs(df['x'] - x) >= 0.001)]

但这会引发错误：

TypeError                                 Traceback (most recent call last)
<ipython-input-256-b8a71a5bd17c> in <module>
     10 #     fdf = df.loc[math.fabs((df['x'] - k) <= 0.001) & (math.fabs(df['x'] - k) >= 0.0001) ]
     11 
---> 12 df.loc[(math.fabs(df['x'] - x) <= 0.01 & math.fabs(df['x'] - x) >= 0.001)]
     13 fdf.head()

~\.conda\envs\pyenv\lib\site-packages\pandas\core\series.py in wrapper(self)
    110         if len(self) == 1:
    111             return converter(self.iloc[0])
--> 112         raise TypeError(f"cannot convert the series to {converter}")
    113 
    114     wrapper.__name__ = f"__{converter.__name__}__"

TypeError: cannot convert the series to <class 'float'>

Answer 1

使用numpy.fabs处理矢量化值，并在掩码周围添加()，因为优先级运算符：

s = np.fabs(df['x'] - x)
fdf = df[(s <= 0.01) & (s >= 0.001)]

替代方法是使用Series.between：

fdf = df[np.fabs(df['x'] - x).between(0.01, 0.001)]

Answer 2

math.fabs仅采用一个值，因此.apply可用于创建新列，然后执行布尔选择。
正如shown的jezrael一样，np.fabs可用于矢量化方法
- 好处是，numpy更快

# apply math.fabs and create a column
df['fabs'] = df['x'].apply(lambda row: math.fabs(row) - x)

# filter on the new column
fdf = df[(df['fabs'] <= 0.01) & (df['fabs'] >= 0.001)]

如何在熊猫中过滤（使用loc）时应用数学函数

2 个答案: