我正在寻找以下问题的解决方案。 有一个数据框:
data = np.array([['', 'col1', 'col2'],
['row1', 1, 2],
['row2', 3, 4]])
df = pd.DataFrame(data=data[1:,1:], index=data[1:,0],columns=data[0,1:])
我希望保留行,例如,列 col1 中的值属于列表 [1, 2],而列 col2 中的值属于列表 [2, 4]。 这就是我认为可行的
df1 = df[df['col1'].isin([1,2]) & df['col2'].isin([2,4])]
但是 df1
打印为一个空 DataFrame。
另一方面,这种方法
df1 = df[(df.col1 in [1,2]) & (df.col2 in [2,4])]
结果
ValueError: The truth value of a Series is ambiguous. Use a.empty, `a.bool()`, `a.item()`, `a.any()` or `a.all()`.
预计会得到一个包含 row1 的 DataFrame。 不用说我对 Python 比较陌生。非常感谢您的帮助。
最佳答案
您需要将数字系列转换为数字类型:
df = pd.DataFrame(data=data[1:,1:].astype(int),
index=data[1:,0],
columns=data[0,1:])
df1 = df[df['col1'].isin([1,2]) & df['col2'].isin([2,4])]
print(df1)
col1 col2
row1 1 2
您的代码不起作用,因为您的初始 data
数组属于 object
类型,表示指向任意类型的指针。 Pandas 不会隐式应用转换,因为在大多数情况下这会非常昂贵。
如果您已经有一个构造好的 Pandas 数据框,您可以将数字转换作为一个单独的步骤应用:
df = df.astype(int)
或者,只转换指定的系列:
cols = ['col1', 'col2']
df[cols] = df[cols].apply(pd.to_numeric, errors='coerce')
关于Python DataFrame - 删除列值属于值列表的行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50890405/