Wybór według złożonych kryteriów z pand.DataFrame

Question

Wybór według złożonych kryteriów z pand.DataFrame

Na przykład mam proste DF:

import pandas as pd
from random import randint

df = pd.DataFrame({'A': [randint(1, 9) for x in xrange(10)],
                   'B': [randint(1, 9)*10 for x in xrange(10)],
                   'C': [randint(1, 9)*100 for x in xrange(10)]})

Czy Mogę wybrać wartości z "A", dla których odpowiednie wartości dla " B "będą większe niż 50, a dla" C " - nie równe 900, używając metod i idiomów pand?

133

python pandas

Author: Ruthger Righart, 2013-03-10

Source

2 answers

Innym rozwiązaniem jest użycie metody query:

import pandas as pd

from random import randint
df = pd.DataFrame({'A': [randint(1, 9) for x in xrange(10)],
                   'B': [randint(1, 9) * 10 for x in xrange(10)],
                   'C': [randint(1, 9) * 100 for x in xrange(10)]})
print df

   A   B    C
0  7  20  300
1  7  80  700
2  4  90  100
3  4  30  900
4  7  80  200
5  7  60  800
6  3  80  900
7  9  40  100
8  6  40  100
9  3  10  600

print df.query('B > 50 and C != 900')

   A   B    C
1  7  80  700
2  4  90  100
4  7  80  200
5  7  60  800

Teraz, jeśli chcesz zmienić zwrócone wartości w kolumnie A, możesz zapisać ich indeks:

my_query_index = df.query('B > 50 & C != 900').index

....i użyj .iloc, aby je zmienić tj.:

df.iloc[my_query_index, 0] = 5000

print df

      A   B    C
0     7  20  300
1  5000  80  700
2  5000  90  100
3     4  30  900
4  5000  80  200
5  5000  60  800
6     3  80  900
7     9  40  100
8     6  40  100
9     3  10  600

23

Author: Nikos Tavoularis,
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-02-07 12:59:14

score 242 · Accepted Answer

Jasne! Konfiguracja:

>>> import pandas as pd
>>> from random import randint
>>> df = pd.DataFrame({'A': [randint(1, 9) for x in range(10)],
                   'B': [randint(1, 9)*10 for x in range(10)],
                   'C': [randint(1, 9)*100 for x in range(10)]})
>>> df
   A   B    C
0  9  40  300
1  9  70  700
2  5  70  900
3  8  80  900
4  7  50  200
5  9  30  900
6  2  80  700
7  2  80  400
8  5  80  300
9  7  70  800

Możemy zastosować operacje kolumnowe i uzyskać Obiekty serii boolean:

>>> df["B"] > 50
0    False
1     True
2     True
3     True
4    False
5    False
6     True
7     True
8     True
9     True
Name: B
>>> (df["B"] > 50) & (df["C"] == 900)
0    False
1    False
2     True
3     True
4    False
5    False
6    False
7    False
8    False
9    False

[Update, to switch to new-style .loc]:

A następnie możemy użyć ich do indeksowania do obiektu. Aby uzyskać dostęp do odczytu, możesz połączyć indeksy:

>>> df["A"][(df["B"] > 50) & (df["C"] == 900)]
2    5
3    8
Name: A, dtype: int64

Ale możesz wpakować się w kłopoty z powodu różnicy między widokiem a kopią robiąc to dla dostępu do zapisu. Możesz użyć .loc zamiast:

>>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"]
2    5
3    8
Name: A, dtype: int64
>>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"].values
array([5, 8], dtype=int64)
>>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"] *= 1000
>>> df
      A   B    C
0     9  40  300
1     9  70  700
2  5000  70  900
3  8000  80  900
4     7  50  200
5     9  30  900
6     2  80  700
7     2  80  400
8     5  80  300
9     7  70  800

Zauważ, że przypadkowo wpisałem == 900 i nie != 900, albo ~(df["C"] == 900), ale jestem zbyt leniwy, by to naprawić. Ćwiczenia dla czytelnika. :^)