根据字符串列表过滤熊猫中的数据框

Posted 2023-03-11

【中文标题】根据字符串列表过滤熊猫中的数据框

【英文标题】：Filtering dataframe in pandas based on a list of strings

【发布时间】：2019-03-04 17:02:04

【问题描述】：

我最近开始探索熊猫，我正在尝试从扇区.py 导入水果列表并将其用作过滤器以生成仅显示列表中水果的项目表。我没有得到想要的输出我的代码有问题吗？

在sector.py中

Fruits=['Apple','Orange','Pineapples']

在calculator.py中

import sector
import pandas as pd

pdmart = pd.read_csv('supermarket.csv')
pdextract = pdmart.groupby('item')['price'].sum()

Fruits = pdextract[pdextract.isin(sector.Fruits)]
print Fruits

当前输出：

Series([], Name: price, dtype: float64)

期望的输出：

Item         Price
Apple        12.0
Orange       7.0
Pineapples   15.0

【问题讨论】：

只在 groupby 之前过滤，应该这样做

或在 groupby 之后使用列表重新索引，这将确保您为完全丢失的组显示 NaN。

【参考方案1】：

在GroupBy 对象上应用isin 没有意义。您可以在 GroupBy 对象的 index 上使用布尔索引：

Fruits = pdextract[pdextract.index.isin(sector.Fruits)]

您还可以在您的GroupBy 操作之前过滤系列：

pdextract = pdmart.loc[pdmart['item'].isin(sector.Fruits)]\
                  .groupby('item')['price'].sum()

【讨论】：

嗨！感谢您的回复，您能否再解释一下为什么我不能在将 isin 应用于分组之前对其进行分组？

@SamT，你可以。我的第一个解决方案是在GroupBy 之后。请注意 pdextract 是您问题中的 GroupBy 对象。

酷！谢谢！另外，如果我要总结所有水果的值，我可以对变量 pdextract 再次执行 .sum() 吗？意思是说：Fruits 34.0 抱歉，如果我含糊其辞，这是我的第一语言..

@SamT，当然，试一试。但如果您有新问题，您应该询问new question。这不是论坛。

@jpp 这是因为在执行 pdextract = pdmart.groupby('item')['price'].sum() 之后 groupby 列成为默认索引列对吗？