我需要用一个字典来过滤一个数据框,键是列名,值是我要过滤的值:
filter_v = {'A':1, 'B':0, 'C':'This is right'}
# this would be the normal approach
df[(df['A'] == 1) & (df['B'] ==0)& (df['C'] == 'This is right')]
但我想在网上做点什么
for column, value in filter_v.items():
df[df[column] == value]
但这会多次过滤数据框,一次一个值,而不是同时应用所有过滤器。有没有办法以编程方式做到这一点?
编辑:一个例子:
df1 = pd.DataFrame({'A':[1,0,1,1, np.nan], 'B':[1,1,1,0,1], 'C':['right','right','wrong','right', 'right'],'D':[1,2,2,3,4]})
filter_v = {'A':1, 'B':0, 'C':'right'}
df1.loc[df1[filter_v.keys()].isin(filter_v.values()).all(axis=1), :]
给予
A B C D
0 1 1 right 1
1 0 1 right 2
3 1 0 right 3
但预期的结果是
A B C D
3 1 0 right 3
只应选择最后一个。
最佳答案
IIUC,你应该可以这样做:
>>> df1.loc[(df1[list(filter_v)] == pd.Series(filter_v)).all(axis=1)]
A B C D
3 1 0 right 3
这可以通过制作一个系列来进行比较:
>>> pd.Series(filter_v)
A 1
B 0
C right
dtype: object
选择df1
的对应部分:
>>> df1[list(filter_v)]
A C B
0 1 right 1
1 0 right 1
2 1 wrong 1
3 1 right 0
4 NaN right 1
找到它们匹配的位置:
>>> df1[list(filter_v)] == pd.Series(filter_v)
A B C
0 True False True
1 False False True
2 True False False
3 True True True
4 False False True
查找它们全部匹配的位置:
>>> (df1[list(filter_v)] == pd.Series(filter_v)).all(axis=1)
0 False
1 False
2 False
3 True
4 False
dtype: bool
最后使用它来索引 df1:
>>> df1.loc[(df1[list(filter_v)] == pd.Series(filter_v)).all(axis=1)]
A B C D
3 1 0 right 3
关于python - 使用字典中的值过滤 Pandas 数据框,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34157811/