过滤条件示例:-
x y z
1 2 1
1 3 2
1 2 5
1 3 1
现在我想从给定的数据中过滤上述指定的条件。 为此,我需要一个通用函数,即该函数应该适用于任何过滤器,而不仅仅是上述指定的过滤器。
我知道如何在 python 中针对多个条件手动过滤数据。
我认为泛型函数可能需要两个参数,一个是数据,另一个是过滤条件。
但我无法找到编写通用函数来过滤数据的逻辑。
请任何人都可以帮助我解决。
提前致谢。
最佳答案
您可以创建条件
列表,然后 np.logical_and.reduce
:
x1 = df.x==1
y2 = df.y==2
z1 = df.z==1
y3 = df.y==3
m1 = np.logical_and.reduce([x1, y2, z1])
m2 = np.logical_and.reduce([x1, y3, z1])
或者concat
所有掩码都放在一起,并通过DataFrame.all
检查每行的所有True
。 :
m1 = pd.concat([x1, y2, z1], axis=1).all(axis=1)
m2 = pd.concat([x1, y3, z1], axis=1).all(axis=1)
编辑:
如果可能的话,定义列名以及用于在字典中过滤的值:
d1 = {'x':1, 'y':2, 'z':1}
d2 = {'x':1, 'y':3, 'z':1}
m1 = np.logical_and.reduce([df[k] == v for k, v in d1.items()])
m2 = np.logical_and.reduce([df[k] == v for k, v in d2.items()])
通过从字典创建的一行 DataFrame 进行合并
的另一种方法:
df1 = pd.DataFrame([d1]).merge(df)
编辑:
对于一般解决方案,可以将文件的每个值解析为元组并使用 operators :
df1 = pd.DataFrame({0: ['x==1', 'x==1'], 1: ['y==2', 'y<=3'], 2: ['z!=1', 'z>1']})
print (df1)
0 1 2
0 x==1 y==2 z!=1
1 x==1 y<=3 z>1
import operator, re
ops = {'>': operator.gt,
'<': operator.lt,
'>=': operator.ge,
'<=': operator.le,
'==': operator.eq,
'!=': operator.ne}
#if numeric, parse to float, else not touch ()e.g. if string
def try_num(x):
try:
return float(x)
except ValueError:
return x
L = df1.to_dict('r')
#https://stackoverflow.com/q/52620865/2901002
rgx = re.compile(r'([<>=!]+)')
parsed = [[rgx.split(v) for v in d.values()] for d in L]
L = [[(x, op, try_num(y)) for x,op,y in ps] for ps in parsed]
print (L)
[[('x', '==', 1.0), ('y', '==', 2.0), ('z', '!=', 1.0)],
[('x', '==', 1.0), ('y', '<=', 3.0), ('z', '>', 1.0)]]
现在按列表的第一个值 - 文件的第一行进行过滤:
m = np.logical_and.reduce([ops[j](df[i], k) for i, j, k in L[0]])
print (m)
[False False True False]
关于python - pandas 数据框中条件过滤的通用函数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/52606908/