使用切片布尔索引的熊猫子集

Posted 2023-03-12

【中文标题】使用切片布尔索引的熊猫子集

【英文标题】：pandas subset using sliced boolean index

【发布时间】：2017-02-27 00:11:49

【问题描述】：

制作测试数据的代码：

import pandas as pd
import numpy as np

testdf = 'date': range(10),
      'event': ['A', 'A', np.nan, 'B', 'B', 'A', 'B', np.nan, 'A', 'B'],
      'id': [1] * 7 + [2] * 3
testdf = pd.DataFrame(testdf)

print(testdf)

给了

    date event  id
0     0     A   1
1     1     A   1
2     2   NaN   1
3     3     B   1
4     4     B   1
5     5     A   1
6     6     B   1
7     7   NaN   2
8     8     A   2
9     9     B   2

子集 testdf

df_sub = testdf.loc[testdf.event == 'A',:]
print(df_sub)
    date event  id
0     0     A   1
1     1     A   1
5     5     A   1
8     8     A   2

（注意：未重新编入索引）

创建条件布尔索引

bool_sliced_idx1 = df_sub.date < 4
bool_sliced_idx2 = (df_sub.date > 4) & (df_sub.date < 6)

我想在原始df中使用这个新索引插入条件值，比如

dftest[ 'new_column'] = np.nan
dftest.loc[bool_sliced_idx1, 'new_column'] = 'new_conditional_value'

这显然（现在）给出了错误：

pandas.core.indexing.IndexingError: Unalignable boolean Series key provided

bool_sliced_idx1 看起来像

>>> print(bool_sliced_idx1)
0     True
1     True
5    False
8    False
Name: date, dtype: bool

我尝试了testdf.ix[(bool_sliced_idx1==True).index,:]，但这不起作用，因为

>>> (bool_sliced_idx1==True).index
Int64Index([0, 1, 5, 8], dtype='int64')

【参考方案1】：

成功了

idx = np.where(bool_sliced_idx1==True)[0]
## or 
# np.ravel(np.where(bool_sliced_idx1==True))

idx_original = df_sub.index[idx]
testdf.iloc[idx_original,:]

【参考方案2】：

IIUC，您可以一次组合所有条件，而不是尝试将它们链接起来。例如，df_sub.date < 4 实际上只是 (testdf.event == 'A') & (testdf.date < 4)。因此，您可以执行以下操作：

# Create the conditions.
cond1 = (testdf.event == 'A') & (testdf.date < 4)
cond2 = (testdf.event == 'A') & (testdf.date.between(4, 6, inclusive=False))

# Make the assignments.
testdf.loc[cond1, 'new_col'] = 'foo'
testdf.loc[cond2, 'new_col'] = 'bar'

这会给你：

   date event  id new_col
0     0     A   1     foo
1     1     A   1     foo
2     2   NaN   1     NaN
3     3     B   1     NaN
4     4     B   1     NaN
5     5     A   1     bar
6     6     B   1     NaN
7     7   NaN   2     NaN
8     8     A   2     NaN
9     9     B   2     NaN

【讨论】：

是的，这是正确的，因为如果你不链接它们并从 df_sub 获取条件，你的布尔索引将不会有相同的长度，所以会出现错误！