问题:从pandas.DataFrame使用复杂条件选择
例如,我有简单的DF:
import pandas as pd
from random import randint
df = pd.DataFrame({'A': [randint(1, 9) for x in xrange(10)],
'B': [randint(1, 9)*10 for x in xrange(10)],
'C': [randint(1, 9)*100 for x in xrange(10)]})
我可以使用熊猫的方法和惯用法从“ A”中选择与B对应的值大于50的值,对于C对应的值大于900的值吗?
回答 0
当然!建立:
>>> import pandas as pd
>>> from random import randint
>>> df = pd.DataFrame({'A': [randint(1, 9) for x in range(10)],
'B': [randint(1, 9)*10 for x in range(10)],
'C': [randint(1, 9)*100 for x in range(10)]})
>>> df
A B C
0 9 40 300
1 9 70 700
2 5 70 900
3 8 80 900
4 7 50 200
5 9 30 900
6 2 80 700
7 2 80 400
8 5 80 300
9 7 70 800
我们可以应用列操作并获取布尔系列对象:
>>> df["B"] > 50
0 False
1 True
2 True
3 True
4 False
5 False
6 True
7 True
8 True
9 True
Name: B
>>> (df["B"] > 50) & (df["C"] == 900)
0 False
1 False
2 True
3 True
4 False
5 False
6 False
7 False
8 False
9 False
[更新,切换到新样式.loc
]:
然后我们可以使用它们来索引对象。对于读取访问,可以链接索引:
>>> df["A"][(df["B"] > 50) & (df["C"] == 900)]
2 5
3 8
Name: A, dtype: int64
但是由于视图和执行写操作的副本之间的差异,您可能会遇到麻烦。您可以.loc
改用:
>>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"]
2 5
3 8
Name: A, dtype: int64
>>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"].values
array([5, 8], dtype=int64)
>>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"] *= 1000
>>> df
A B C
0 9 40 300
1 9 70 700
2 5000 70 900
3 8000 80 900
4 7 50 200
5 9 30 900
6 2 80 700
7 2 80 400
8 5 80 300
9 7 70 800
请注意,我不小心输入了== 900
not != 900
和或~(df["C"] == 900)
,但是我懒得修复它。为读者练习。:^)
回答 1
另一种解决方案是使用查询方法:
import pandas as pd
from random import randint
df = pd.DataFrame({'A': [randint(1, 9) for x in xrange(10)],
'B': [randint(1, 9) * 10 for x in xrange(10)],
'C': [randint(1, 9) * 100 for x in xrange(10)]})
print df
A B C
0 7 20 300
1 7 80 700
2 4 90 100
3 4 30 900
4 7 80 200
5 7 60 800
6 3 80 900
7 9 40 100
8 6 40 100
9 3 10 600
print df.query('B > 50 and C != 900')
A B C
1 7 80 700
2 4 90 100
4 7 80 200
5 7 60 800
现在,如果要更改A列中的返回值,可以保存其索引:
my_query_index = df.query('B > 50 & C != 900').index
…并用于.iloc
更改它们,即:
df.iloc[my_query_index, 0] = 5000
print df
A B C
0 7 20 300
1 5000 80 700
2 5000 90 100
3 4 30 900
4 5000 80 200
5 5000 60 800
6 3 80 900
7 9 40 100
8 6 40 100
9 3 10 600
回答 2
并记住要使用括号!
请记住,&
运算符的优先级高于诸如>
或的运算符<
。这就是为什么
4 < 5 & 6 > 4
评估为False
。因此,如果使用pd.loc
,则需要在逻辑语句两边加上方括号,否则会出现错误。这就是为什么:
df.loc[(df['A'] > 10) & (df['B'] < 15)]
代替
df.loc[df['A'] > 10 & df['B'] < 15]
这将导致
TypeError:无法将dtyped [float64]数组与类型为[bool]的标量进行比较
回答 3
您可以使用熊猫它具有一些内置功能进行比较。因此,如果您想选择“ B”和“ C”条件满足的“ A”值(假设您要返回一个DataFrame pandas对象)
df[['A']][df.B.gt(50) & df.C.ne(900)]
df[['A']]
将以DataFrame格式返回A列。
pandas的“ gt”函数将返回大于50的列B的位置,而“ ne”函数将返回不等于900的位置。