熊猫数据过滤的通用函数
熊猫数据过滤的通用函数
提问于 2018-10-02 10:52:08
样本过滤条件：-
数据
x y z
1 2 1
1 3 2
1 2 5
1 3 1现在，我希望从给定的数据中筛选上述指定的条件。为此，我需要一个泛型函数，也就是说，该函数应该适用于任何过滤器，而不仅仅是上面指定的过滤器。
我知道如何为不止一个条件手动过滤python中的数据。
我认为泛型函数可能需要两个参数，一个是数据，另一个是过滤条件。
但是我无法找到编写泛型函数来过滤数据的逻辑。
好心的任何人都能帮我解决。
提前谢谢。
回答 3
Stack Overflow用户
回答已采纳
发布于 2018-10-03 09:37:25
def filter_function(df,filter_df):
lvl_=list()
lvl=list()
vlv=list()
df1=pd.DataFrame()
n=filter_df.apply(lambda x: x.tolist(), axis=1)
for i in range(0,len(n)):
for j in range(0,len(n[i])):
if i==0:
lvl_.append(n[i][j].split('==')[0])
lvl.append(n[i][j].split('==')[1])
if len(lvl)==len(n[i]):
vlv.append(lvl)
lvl=list()
final_df=df[lvl_]
for k in range(0,len(vlv)):
df1=df1.append(final_df[final_df.isin(vlv[k])].dropna())
return(df1)
filter_function(df,filter_df)Stack Overflow用户
发布于 2018-10-02 10:55:09
您可以创建conditions的列表，然后创建np.logical_and.reduce
x1 = df.x==1
y2 = df.y==2
z1 = df.z==1
y3 = df.y==3
m1 = np.logical_and.reduce([x1, y2, z1])
m2 = np.logical_and.reduce([x1, y3, z1])或concat所有掩码，并通过DataFrame.all检查每一行的所有Trues。
m1 = pd.concat([x1, y2, z1], axis=1).all(axis=1)
m2 = pd.concat([x1, y3, z1], axis=1).all(axis=1)编辑：
如果可能的话，用字典中筛选的值来定义列名：
d1 = {'x':1, 'y':2, 'z':1}
d2 = {'x':1, 'y':3, 'z':1}
m1 = np.logical_and.reduce([df[k] == v for k, v in d1.items()])
m2 = np.logical_and.reduce([df[k] == v for k, v in d2.items()])另一种使用merge从字典中创建的一行DataFrame方法：
df1 = pd.DataFrame([d1]).merge(df)编辑：
对于通用解决方案，可以将文件的每个值解析为元组并使用operators
df1 = pd.DataFrame({0: ['x==1', 'x==1'], 1: ['y==2', 'y<=3'], 2: ['z!=1', 'z>1']})
print (df1)
0 1 2
0 x==1 y==2 z!=1
1 x==1 y<=3 z>1
import operator, re
ops = {'>': operator.gt,
'<': operator.lt,
'>=': operator.ge,
'<=': operator.le,
'==': operator.eq,
'!=': operator.ne}
#if numeric, parse to float, else not touch ()e.g. if string
def try_num(x):
try:
return float(x)
except ValueError:
return x
L = df1.to_dict('r')
#https://stackoverflow.com/q/52620865/2901002
rgx = re.compile(r'([<>=!]+)')
parsed = [[rgx.split(v) for v in d.values()] for d in L]
L = [[(x, op, try_num(y)) for x,op,y in ps] for ps in parsed]
print (L)
[[('x', '==', 1.0), ('y', '==', 2.0), ('z', '!=', 1.0)],
[('x', '==', 1.0), ('y', '<=', 3.0), ('z', '>', 1.0)]]现在，通过列表的第一个值进行筛选--第一行文件：
m = np.logical_and.reduce([ops[j](df[i], k) for i, j, k in L[0]])
print (m)
[False False True False]Stack Overflow用户
发布于 2018-10-02 12:53:42
由于只有一个数字dtype，所以可以使用基础NumPy数组：
res = df[(df.values == [1, 2, 1]).all(1)]
print(res)
x y z
0 1 2 1对于具有list输入的泛型函数：
def filter_df(df, L):
return df[(df.values == L).all(1)]
res = filter_df(df, [1, 2, 1])如果您需要字典输入：
def filter_df(df, d):
L = list(map(d.get, df))
return df[(df.values == L).all(1)]
res = filter_df(df, {'x': 1, 'y': 2, 'z': 1})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/52606908
复制相关文章
相似问题
腾讯云开发者
