使用值列表从 Pandas 数据框中选择行

Posted 2023-03-11

【中文标题】使用值列表从 Pandas 数据框中选择行

【英文标题】：Use a list of values to select rows from a Pandas dataframe

【发布时间】：2020-06-09 04:58:19

【问题描述】：

假设我有以下 Pandas 数据框：

df = DataFrame('A' : [5,6,3,4], 'B' : [1,2,3, 5])
df

     A   B
0    5   1
1    6   2
2    3   3
3    4   5

我可以根据特定值进行子集化：

x = df[df['A'] == 3]
x

     A   B
2    3   3

但是如何根据值列表进行子集化？ - 像这样：

list_of_values = [3,6]

y = df[df['A'] in list_of_values]

获得：

     A    B
1    6    2
2    3    3

【参考方案1】：

可以使用query的方法：

df.query('A in [6, 3]')
# df.query('A == [6, 3]')

或

lst = [6, 3]
df.query('A in @lst')
# df.query('A == @lst')

【讨论】：

我想知道 query() 在计算上是否比 isin() 函数更好

@Hammad 根据 Pandas 文档：“对于大帧，使用 numexpr 的 DataFrame.query() 比 Python 稍快。”

如何组合两个查询？ df.query('A in @lst') AND df.query('B in @lst2')

@data_runner df.query('(A in @lst) and (B in @lst2)')

【参考方案2】：

另一种方法；

df.loc[df.apply(lambda x: x.A in [3,6], axis=1)]

与isin 方法不同，这在确定列表是否包含A 列的函数时特别有用。比如f(A) = 2*A - 5作为函数；

df.loc[df.apply(lambda x: 2*x.A-5 in [3,6], axis=1)]

需要注意的是，这种方法比isin方法慢。

【讨论】：

df.loc[df.apply(lambda x: ... 的使用非常强大。为我做了诀窍。是的，它更慢但更灵活:)

【参考方案3】：

您可以使用isin 方法：

In [1]: df = pd.DataFrame('A': [5,6,3,4], 'B': [1,2,3,5])

In [2]: df
Out[2]:
   A  B
0  5  1
1  6  2
2  3  3
3  4  5

In [3]: df[df['A'].isin([3, 6])]
Out[3]:
   A  B
1  6  2
2  3  3

反之则使用~:

In [4]: df[~df['A'].isin([3, 6])]
Out[4]:
   A  B
0  5  1
3  4  5

【讨论】：

如何按列表的顺序返回这些值？例如，list_of_values 的值先是 3，然后是 6，但返回的帧是先是 6，然后是 3。我说的不是简单的排序，而是我们如何具体地按照列表中值的顺序返回。

这是一个布尔索引的示例，它使订单远离索引，有关更多详细信息，请参阅pandas.pydata.org/pandas-docs/stable/…。选择后需要排序。

这对我有帮助 ***.com/a/29108799/5629831

你也可以通过使用'query'和@来获得类似的结果：例如：df = pd.DataFrame('A': [1, 2, 3], ' B': ['a', 'b', 'f']) df = pd.DataFrame('A' : [5,6,3,4], 'B' : [1,2,3, 5]) list_of_values = [3,6] result= df.query("A in @list_of_values") 结果 AB 1 6 2 2 3 3

@JasonStrimpel 我在这里回答了你的问题：***.com/questions/51944021/…