使用来自pandas.DataFrame的复杂标准进行select

例如我有简单的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)]}) 

我可以从“A”中select“B”的相应值大于50的值，而“C” – 不等于900，使用Pandas的方法和习语吗？

Answer 1

当然！ build立：

 >>> 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)]}) >>> df ABC 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 

我们可以应用列操作并获取布尔系列对象：

 >>> 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 

[更新，切换到新风格.loc ]：

然后我们可以使用这些索引到对象中。 对于读取访问，您可以链接索引：

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

但是由于视图和副本之间的区别，您可以让自己陷入麻烦，以便进行写入访问。 您可以使用.loc来代替：

 >>> 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 ABC 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 

请注意，我不小心做了== 900而不是!= 900 ，或~(df["C"] == 900) ，但我懒得修复它。 为读者锻炼。 ：^）

Answer 2

另一个解决scheme是使用查询方法：

 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 ABC 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') ABC 1 7 80 700 2 4 90 100 4 7 80 200 5 7 60 800 

现在如果你想改变列A中的返回值，你可以保存它们的索引：

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

….并使用.iloc来改变它们，即：

 df.iloc[my_query_index, 0] = 5000 print df ABC 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