问题：将多个过滤器应用于pandas DataFrame或Series的有效方法
我有一种情况，用户想要将多个过滤器应用于Pandas DataFrame或Series对象。本质上，我想有效地将用户在运行时指定的一堆过滤（比较操作）链接在一起。
过滤器应为可加性的（又称每个过滤器应缩小结果）。
我当前正在使用，reindex()但这每次都会创建一个新对象并复制基础数据（如果我正确理解了文档）。因此，这在过滤大型Series或DataFrame时可能效率很低。
我认为使用apply()，map()或类似的方法可能更好。我对Pandas来说还很陌生，因此仍然想尽一切办法。
TL; DR
我想采用以下形式的字典，并将每个操作应用于给定的Series对象，并返回一个“过滤后的” Series对象。
relops = {'>=': [1], '<=': [1]}长例子
我将从当前的示例开始，仅过滤单个Series对象。以下是我当前正在使用的功能：
def apply_relops(series, relops):
"""
Pass dictionary of relational operators to perform on given series object
"""
for op, vals in relops.iteritems():
op_func = ops[op]
for val in vals:
filtered = op_func(series, val)
series = series.reindex(series[filtered])
return series用户向字典提供他们要执行的操作：
>>> df = pandas.DataFrame({'col1': [0, 1, 2], 'col2': [10, 11, 12]})
>>> print df
>>> print df
col1 col2
0 0 10
1 1 11
2 2 12
>>> from operator import le, ge
>>> ops ={'>=': ge, '<=': le}
>>> apply_relops(df['col1'], {'>=': [1]})
col1
1 1
2 2
Name: col1
>>> apply_relops(df['col1'], relops = {'>=': [1], '<=': [1]})
col1
1 1
Name: col1同样，上述方法的“问题”是，我认为中间步骤之间存在很多不必要的数据复制。
另外，我想对此进行扩展，以便传入的字典可以包括要操作的列，并根据输入字典过滤整个DataFrame。但是，我假设该系列的所有工作都可以轻松扩展到DataFrame。
回答 0
熊猫（和numpy）允许使用布尔索引，这将更加高效：
In [11]: df.loc[df['col1'] >= 1, 'col1']
Out[11]:
1 1
2 2
Name: col1
In [12]: df[df['col1'] >= 1]
Out[12]:
col1 col2
1 1 11
2 2 12
In [13]: df[(df['col1'] >= 1) & (df['col1'] <=1 )]
Out[13]:
col1 col2
1 1 11如果要为此编写辅助函数，请考虑以下方面：
In [14]: def b(x, col, op, n):
return op(x[col],n)
In [15]: def f(x, *b):
return x[(np.logical_and(*b))]
In [16]: b1 = b(df, 'col1', ge, 1)
In [17]: b2 = b(df, 'col1', le, 1)
In [18]: f(df, b1, b2)
Out[18]:
col1 col2
1 1 11更新：pandas 0.13针对此类用例提供了一种查询方法，假设列名是有效的标识符，则可以进行以下工作（并且对于大型框架，在幕后使用numexpr可能更为有效）：
In [21]: df.query('col1 <= 1 & 1 <= col1')
Out[21]:
col1 col2
1 1 11回答 1
链接条件会产生长行，而pep8不建议这样做。使用.query方法会强制使用字符串，该字符串功能强大但不具有Python特色，而且不是很动态。
一旦每个过滤器都安装到位，一种方法是
import numpy as np
import functools
def conjunction(*conditions):
return functools.reduce(np.logical_and, conditions)
c_1 = data.col1 == True
c_2 = data.col2 < 64
c_3 = data.col3 != 4
data_filtered = data[conjunction(c1,c2,c3)]np.ologic可以运行并且运行很快，但是不超过两个参数，这些参数由functools.reduce处理。
请注意，这仍然有一些冗余：a）快捷方式不会在全局级别上发生b）每个单独条件都在整个初始数据上运行。不过，我希望它对于许多应用程序都足够有效，并且可读性强。
回答 2
最简单的解决方案：
用：
filtered_df = df[(df['col1'] >= 1) & (df['col1'] <= 5)]另一个示例，要过滤数据框以查找属于Feb-2018的值，请使用以下代码
filtered_df = df[(df['year'] == 2018) & (df['month'] == 2)]回答 3
由于pandas 0.22更新，提供了比较选项，例如：
- gt（大于）
- lt（小于）
- eq（等于）
- ne（不等于）
- ge（大于或等于）
还有很多。这些函数返回布尔数组。让我们看看如何使用它们：
# sample data
df = pd.DataFrame({'col1': [0, 1, 2,3,4,5], 'col2': [10, 11, 12,13,14,15]})
# get values from col1 greater than or equals to 1
df.loc[df['col1'].ge(1),'col1']
1 1
2 2
3 3
4 4
5 5
# where co11 values is better 0 and 2
df.loc[df['col1'].between(0,2)]
col1 col2
0 0 10
1 1 11
2 2 12
# where col1 > 1
df.loc[df['col1'].gt(1)]
col1 col2
2 2 12
3 3 13
4 4 14
5 5 15回答 4
为什么不这样做呢？
def filt_spec(df, col, val, op):
import operator
ops = {'eq': operator.eq, 'neq': operator.ne, 'gt': operator.gt, 'ge': operator.ge, 'lt': operator.lt, 'le': operator.le}
return df[ops[op](df[col], val)]
pandas.DataFrame.filt_spec = filt_spec演示：
df = pd.DataFrame({'a': [1,2,3,4,5], 'b':[5,4,3,2,1]})
df.filt_spec('a', 2, 'ge')结果：
a b
1 2 4
2 3 3
3 4 2
4 5 1您可以看到列“ a”已被过滤，其中> = 2。
这比操作员链接略快（键入时间，而不是性能）。您当然可以将导入文件放在文件顶部。
回答 5
e还可以基于不在列表中或不可迭代的列的值来选择行。我们将像以前一样创建布尔变量，但是现在我们将〜放在前面来否定布尔变量。
例如
list = [1, 0]
df[df.col1.isin(list)]