根据两列的值选择熊猫数据框行

Posted 2023-02-23

【中文标题】根据两列的值选择熊猫数据框行

【英文标题】：Select pandas frame rows based on two columns' values

【发布时间】：2015-08-15 10:28:40

【问题描述】：

我希望根据两列值选择一些特定的行。例如：

d = 'user' : [1., 2., 3., 4] ,'item' : [5., 6., 7., 8.],'f1' : [9., 16., 17., 18.], 'f2':[4,5,6,5], 'f3':[4,5,5,8]
df = pd.DataFrame(d)
print df

Out:
   f1  f2  f3  item  user
0   9   4   4     5     1
1  16   5   5     6     2
2  17   6   5     7     3
3  18   5   8     8     4

我想根据“用户”和“项目”的值选择行。给定一个存储 [user, item] 值对的 2d numpy 数组：

samples = np.array([[1,5],[3,7],[3,7],[2,6]]) 
Out: 
array([[1, 5],
       [3, 7],
       [3, 7],
       [2, 6]])

那么预期的输出是：

    Out:
   f1  f2  f3  item  user
0   9   4   4     5     1
2  17   6   5     7     3
2  17   6   5     7     3
1  16   5   5     6     2

然后，我的最终目标是获得一个 2d numpy 数组来存储除 item 和 user 之外的所有列值，即：

Out: 
array([[9, 4, 4],
       [17, 6, 5],
       [17, 6, 5],
       [16, 5, 5]])

我们可以看到，它是 f1、f2、f3 列的值。

我该怎么做？

【参考方案1】：

如果您将samples 设为具有user 和item 列的DataFrame，那么您可以使用inner join 获得所需的值。默认情况下，pd.merge 合并到共享共享的samples 和df 的所有列上——在这种情况下，这将是user 和item。因此，

result = pd.merge(samples, df, how='inner')

产量

   user  item  f1  f2  f3
0     1     5   9   4   4
1     3     7  17   6   5
2     3     7  17   6   5
3     2     6  16   5   5

---

import numpy as np
import pandas as pd

d = 'user' : [1., 2., 3., 4] ,'item' : [5., 6., 7., 8.],'f1' : [9., 16., 17., 18.], 'f2':[4,5,6,5], 'f3':[4,5,5,8]
df = pd.DataFrame(d)
samples = np.array([[1,5],[3,7],[3,7],[2,6]]) 
samples = pd.DataFrame(samples, columns=['user', 'item'])

result = pd.merge(samples, df, how='inner')
result = result[['f1', 'f2', 'f3']]
result = result.values
print(result)

产量

[[  9.   4.   4.]
 [ 17.   6.   5.]
 [ 17.   6.   5.]
 [ 16.   5.   5.]]

【讨论】：

哇！ @unutbu，太好了！谢谢！这就是我想要的，因为我不想使用 for 循环。

【参考方案2】：

一种有点numpy数组的方法倾斜 -

import numpy as np

# Convert item and user columns to a 2-column array
item_user_arr = np.asarray(df[["item","user"]]).astype(int)

# Mask of matches across rows of samples and item_user_arr, with columns flipped
mask = (samples[:,None,1]==item_user_arr[:,0]) & (samples[:,None,0]==item_user_arr[:,1])

# Get indices of matches
_,C = np.where(mask)

# Use those indices to select data from f1,f2,f3 columns for final output array
out = np.asarray(df[["f1","f2","f3"]])[C,:]

给定输入的输出 -

In [536]: out
Out[536]: 
array([[  9.,   4.,   4.],
       [ 17.,   6.,   5.],
       [ 17.,   6.,   5.],
       [ 16.,   5.,   5.]])

【讨论】：

感谢@Divakar，这也是处理这个问题的好方法！