我知道可以使用例如屏蔽掉数据框中的某些行
(1) mask = df['A']=='a'
其中 df 是手边的数据框,其中有一列名为 'A'。调用 df[mask] 会生成我的新“屏蔽”DataFrame。
当然也可以使用多个条件
(2) mask = (df['A']=='a') | (df['A']=='b')
然而,当需要满足多个条件时,这最后一步可能会有点乏味,例如
(3) mask = (df['A']=='a') | (df['A']=='b') | (df['A']=='c') | (df['A']=='d') | ...
现在,假设我在一个数组中有我的过滤条件
(4) filter = ['a', 'b', 'c', 'd', ...]
# ... here means a lot of other criteria
有没有一种方法可以使用单行获得与上面 (3) 相同的结果?
类似于:
(5) mask = df.where(df['A']==filter)
df_new = df[mask]
在这种情况下 (5) 显然会返回一个错误。
最佳答案
我会使用 Series.isin()
:
filter = ['a', 'b', 'c', 'd']
df_new = df[df["A"].isin(filter)]
df_new
是一个包含行的 DataFrame,其中 df["A"]
的条目出现在 filter
中。
关于python - 使用多个条件屏蔽 DataFrame,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25422733/