Pandas 等价于 R 的 which()

Posted 2023-03-11

【中文标题】Pandas 等价于 R 的 which()

【英文标题】：Pandas Equivalent of R's which()

【发布时间】：2014-09-25 00:01:54

【问题描述】：

之前有人问过这个问题的变体，我仍然无法理解如何根据我想要设置的条件实际切片 python 系列/熊猫数据帧。

在 R 中，我想做的是：

df[which(df[,colnumber] > somenumberIchoose),]

which() 函数在数据框中的列中查找大于 somenumberIchoose 的行条目的索引，并将其作为向量返回。然后，我使用这些行索引对数据帧进行切片，以指示我希望在新表单中查看数据帧的哪些行。

在 python 中有没有等效的方法来做到这一点？我看到了对枚举的引用，在阅读文档后我并不完全理解。为了立即获取行索引，我的示例如下所示：

indexfuture = [ x.index(), x in enumerate(df['colname']) if x > yesterday]  

但是，我不断收到无效的语法错误。我可以通过 for 循环遍历这些值并自己手动进行搜索来破解解决方法，但这似乎非常非 Python 且效率低下。

enumerate() 究竟是做什么的？在满足所需参数的向量中查找值索引的 Python 方法是什么？

注意：我将 Pandas 用于数据帧

【问题讨论】：

你能显示错误的完整回溯吗？

你可以试试：[a.index() for (a, b) in enumerate(df['colname']) if b > yesterday]

明确一点，pandas DataFrames 可以有各种索引，而不仅仅是整数。你只想要整数索引，还是实际的原始行索引？

相关问题Python equivalent of which() in R

该问题询问which()，它返回满足某些条件的索引向量。最佳答案是关于布尔子集。 This post 包含我认为与which() 等效的内容。

【参考方案1】：

一个很好的简单而简洁的方法如下：

SlicedData1 = df[df.colname>somenumber]]

这可以很容易地扩展到包括其他标准，例如非数字数据：

SlicedData2 = df[(df.colname1>somenumber & df.colname2=='24/08/2018')]

等等……

【参考方案2】：

我通常只使用.iteritems 而不是enumerate。这节省了.index()。即，

[k for k, v in (df['c'] > t).iteritems() if v]

否则，你必须这样做

df[df['c'] > t].index()

这会重复输入数据框名称，这可能会很长而且很难输入。

【讨论】：

我认为这只是df.index，一个属性，而不是一个函数。我收到'Int64Index' object is not callable 和index() 的错误。也就是说，这两个实际上都回答了一个人如何做which() 所做的事情，所以我喜欢这样！

【参考方案3】：

如果您需要额外的语句 panda.Series 允许您在系列（+、-、/、、*）之间进行操作。

只需将索引相乘：

idx1 = df['lat'] == 49
idx2 = df['lng'] > 15 
idx = idx1 * idx2

new_df = df[idx] 

【参考方案4】：

我可能不太清楚这个问题，但看起来回答比你想象的要容易：

使用熊猫数据框：

df['colname'] > somenumberIchoose

返回具有 True / False 值和 DataFrame 的原始索引的 pandas 系列。

然后您可以在原始 DataFrame 上使用该布尔系列并获取您正在寻找的子集：

df[df['colname'] > somenumberIchoose]

应该够了。

见http://pandas.pydata.org/pandas-docs/stable/indexing.html#boolean-indexing

【讨论】：

df[df['colname'] > somenumberIchoose].index 与 R which() 函数相同

【参考方案5】：

根据我对 R 的了解，您可能更愿意使用 numpy——一个类似于 MATLAB 的科学计算包。

如果你想要一个数组的索引值可以被二整除，那么下面的方法就可以了。

arr = numpy.arange(10)
truth_table = arr % 2 == 0
indices = numpy.where(truth_table)
values = arr[indices]

使用多维数组也很容易

arr2d = arr.reshape(2,5)
col_indices = numpy.where(arr2d[col_index] % 2 == 0)
col_values = arr2d[col_index, col_indices]

【讨论】：

+1 用于更接近 R 成语的解决方案。我也不喜欢把所有东西都变成熊猫数据框。

【参考方案6】：

enumerate() 返回一个迭代器，该迭代器在每次迭代中产生一个 (index, item) 元组，因此您不能（也不需要）再次调用 .index()。

此外，您的列表理解语法错误：

indexfuture = [(index, x) for (index, x) in enumerate(df['colname']) if x > yesterday]

测试用例：

>>> [(index, x) for (index, x) in enumerate("abcdef") if x > "c"]
[(3, 'd'), (4, 'e'), (5, 'f')]

当然，你不需要解包元组：

>>> [tup for tup in enumerate("abcdef") if tup[1] > "c"]
[(3, 'd'), (4, 'e'), (5, 'f')]

除非你只对索引感兴趣，在这种情况下你可以做类似的事情

>>> [index for (index, x) in enumerate("abcdef") if x > "c"]
[3, 4, 5]

【讨论】：

那么Python : enumerate :: Ruby : each_with_index?

没有必要使用enumerate()，它的效率很低，而且即使有需要，pd.DataFrame 也有iterrows() 用于此目的。