Вибір зі складними критеріями від pandas.DataFrame

Наприклад, у мене простий 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)]})

Чи можу я вибрати значення "A", для яких відповідні значення для "B" будуть більшими за 50, а для "C" - не рівні 900, використовуючи методи та ідіоми Pandas?

Звичайно! Налаштування:

>>> import pandas as pd
>>> from random import randint
>>> df = pd.DataFrame({'A': [randint(1, 9) for x in range(10)],
                   'B': [randint(1, 9)*10 for x in range(10)],
                   'C': [randint(1, 9)*100 for x in range(10)]})
>>> df
   A   B    C
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

Ми можемо застосувати операції зі стовпцями та отримати об'єкти булевих рядів:

>>> 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

[Оновити, щоб перейти на новий стиль .loc]:

І тоді ми можемо використовувати їх для індексації в об’єкт. Для доступу до читання можна ланцюжкові індекси:

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

але ви можете потрапити в проблеми через різницю між переглядом і копією, яка робить це для доступу до запису. Ви можете використовувати .locнатомість:

>>> 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
      A   B    C
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

Зауважте, що я випадково набрав == 900і не != 900, або ~(df["C"] == 900), але я лінивий, щоб виправити це. Вправа для читача. : ^)

Іншим рішенням є використання методу запиту :

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

   A   B    C
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')

   A   B    C
1  7  80  700
2  4  90  100
4  7  80  200
5  7  60  800

Тепер, якщо ви хочете змінити повернені значення у стовпці А, ви можете зберегти їх індекс:

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

.... і використовуйте .ilocдля їх зміни, тобто:

df.iloc[my_query_index, 0] = 5000

print df

      A   B    C
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

І не забудьте використовувати дужки!

Майте на увазі, що &оператор має перевагу над такими операторами, як >і <т. Д. Саме тому

4 < 5 & 6 > 4

оцінює до False. Тому, якщо ви використовуєте pd.loc, вам потрібно поставити дужки навколо своїх логічних висловлювань, інакше ви отримаєте помилку. Ось чому:

df.loc[(df['A'] > 10) & (df['B'] < 15)]

замість

df.loc[df['A'] > 10 & df['B'] < 15]

що призведе до

TypeError: не може порівнювати масив dtyped [float64] зі скаляром типу [bool]

Для порівняння можна використовувати панди, в яких є деякі вбудовані функції. Отже, якщо ви хочете вибрати значення "A", які відповідають умовам "B" і "C" (якщо припустити, що ви хочете повернути об'єкт панд DataFrame)

df[['A']][df.B.gt(50) & df.C.ne(900)]

df[['A']] поверне вам колонку A у форматі DataFrame.

функція pandas 'gt' поверне позиції стовпця B, які перевищують 50, а 'ne' поверне позиції, не рівні 900.