Pandas DataFrame:在多列条件下对数据帧进行编程行拆分
Pandas DataFrame:在多列条件下对数据帧进行编程行拆分
提问于 2018-12-11 08:29:42
上下文
我正在处理一个DataFrame df，它有很多填充了数值的列
df
lorem ipsum | dolor sic | ... | (hundreds of cols)
---------------------------------------------------------
0.5 | -6.2 | ... | 79.8
-26.1 | 6200.0 | ... | -65.2
150.0 | 3.14 | ... | 1.008通过另一种方式，我有一个列的list_cols：
list_cols = ['lorem ipsum', 'dolor sic', ... ] # arbitrary length, of course len(list_cols ) <= len(df.columns), and contains valid columns of my df我想获取两个数据帧：
包含至少一个list_cols (对应于OR )的value < 0的所有行的
- 1。让我们将其称为与dataframe的剩余部分相对应的
negative_values_matches - 1，让我们将其称为
positive_values_matches
预期结果示例
对于list_cols = ['lorem ipsum', 'dolor sic']，我将获得list_cols中至少有1个值严格为负的数据帧：
negative_values_matches
lorem ipsum | dolor sic | ... | (hundreds of cols)
---------------------------------------------------------
0.5 | -6.2 | ... | 79.8
-26.1 | 6200.0 | ... | -65.2
positive_values_matches
lorem ipsum | dolor sic | ... | (hundreds of cols)
---------------------------------------------------------
150.0 | 3.14 | ... | 1.008我不想写这样的代码：
negative_values_matches = df[ (criterion1 | criterion2 | ... | criterionn)]
positive_values_matches = df[~(criterion1 | criterion2 | ... | criterionn)](其中criterionk是列k的布尔值，例如：(df[col_k]>=0)，此处使用括号，因为它是Pandas语法)
我们的想法是使用programmatic方法。我主要查找布尔值的数组，这样我就可以使用布尔值索引(参见Pandas documentation)。
据我所知，这些帖子并不完全是我所说的：
- Filtering DataFrame on multiple conditions in Pandas
- Drop rows on multiple conditions in pandas dataframe
- Pandas: np.where with multiple conditions on dataframes
- Pandas DataFrame : How to select rows on multiple conditions?这个离我要找的更近一点。但是，它依赖于生成一个可能不适用于“奇异”列名(空格)的字符串(或者至少我不知道如何做到这一点)
我不知道如何使用OR操作符将DataFrame上的布尔值完全链接起来，并获得正确的行拆分。
我能做些什么？
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-12-11 08:29:42
经过几次尝试，我终于实现了我的目标。
代码如下：
import Pandas
import numpy
# assume dataframe exists
df = ...
# initiliaze an array of False, matching df number of rows
resulting_bools = numpy.zeros((1, len(df.index)), dtype=bool)
for col in list_cols:
# obtain array of booleans for given column and boolean condition for [row, column] value
criterion = df[col].map(lambda x: x < 0) # same condition for each column, different conditions would have been more difficult (for me)
# perform cumulative boolean evaluation accross columns
resulting_bools |= criterion
# use the array of booleans to build the required df
negative_values_matches = df[ resulting_bools].copy() # use .copy() to avoid further possible warnings from Pandas depending on what you do with your data frame
positive_values_matches = df[~resulting_bools].copy()这样，我成功地获得了2个数据帧：
对于list_cols
- 1中的列中至少有1列的所有行，以及所有其他行(
list_col)
中的每列的值均为>= 0)，
- 1
( False上的数组初始化取决于布尔值选择)
注:该方法可以与multiple conditions on dataframes结合使用。有待确认。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53715731
复制相关文章
相似问题
腾讯云开发者
