it-roy-ru.com

Выбор по сложным критериям из панд. DataFrame

Например, у меня есть простой 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)]})

Могу ли я выбрать значения из "A", для которых соответствующие значения для "B" будут больше 50, а для "C" - не равны 900, используя методы и идиомы Панд?

176
Gill Bates

Конечно! Настроить:

>>> 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

Мы можем применять операции со столбцами и получать объекты логической серии:

>>> 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

[Обновить, чтобы перейти на новый стиль .loc]:

И тогда мы можем использовать их для индексации объекта. Для доступа на чтение вы можете связать индексы:

>>> df["A"][(df["B"] > 50) & (df["C"] == 900)]
2    5
3    8
Name: A, dtype: int64

но вы можете столкнуться с проблемами из-за разницы между представлением и копией, которые делают это для доступа для записи. Вместо этого вы можете использовать .loc:

>>> 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

Обратите внимание, что я случайно набрал == 900, а не != 900 или ~(df["C"] == 900), но мне лень это исправлять. Упражнение для читателя. : ^)

276
DSM

Другое решение - использовать метод query :

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

Теперь, если вы хотите изменить возвращенные значения в столбце A, вы можете сохранить их индекс:

my_query_index = df.query('B > 50 & C != 900').index

.... и используйте .iloc, чтобы изменить их, т.е.

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
37
Nikos Tavoularis

Вы можете использовать панд, у него есть некоторые встроенные функции для сравнения. Поэтому, если вы хотите выбрать значения «A», которые удовлетворяют условиям «B» и «C» (при условии, что вы хотите вернуть объект DataFrame pandas)

df[['A']][df.B.gt(50) & df.C.ne(900)]

df[['A']] вернет вам столбец A в формате DataFrame.

функция pandas 'gt' возвращает позиции столбца B, которые больше 50, а 'ne' возвращает позиции, не равные 900.

0
Christopher Matthews