як ви фільтруєте кадри даних панд за кількома стовпцями

Щоб відфільтрувати кадр даних (df) за одним стовпцем, якщо врахувати дані з чоловіками та жінками, ми можемо:

males = df[df[Gender]=='Male']

Питання 1 - Але що, якщо дані охоплювали кілька років, і я хотів бачити чоловіків лише за 2014 рік?

Іншими мовами я можу зробити щось на зразок:

if A = "Male" and if B = "2014" then 

(за винятком того, що я хочу зробити це і отримати підмножину вихідного кадру даних у новому об'єкті кадру даних)

Питання 2. Як це зробити у циклі та створити об’єкт кадру даних для кожного унікального набору року та статі (тобто df для: 2013-Male, 2013-Female, 2014-Male та 2014-Female

for y in year:

for g in gender:

df = .....

Використовуючи &оператор, не забудьте обернути підзаявки ():

males = df[(df[Gender]=='Male') & (df[Year]==2014)]

Щоб зберегти свої кадри даних у dictциклі for:

from collections import defaultdict
dic={}
for g in ['male', 'female']:
  dic[g]=defaultdict(dict)
  for y in [2013, 2014]:
    dic[g][y]=df[(df[Gender]==g) & (df[Year]==y)] #store the DataFrames to a dict of dict

РЕДАГУВАТИ:

Демо для вашого getDF:

def getDF(dic, gender, year):
  return dic[gender][year]

print genDF(dic, 'male', 2014)

Для більш загальних булевих функцій, які ви хотіли б використовувати як фільтр і які залежать від кількох стовпців, ви можете використовувати:

df = df[df[['col_1','col_2']].apply(lambda x: f(*x), axis=1)]

де f - це функція, яка застосовується до кожної пари елементів (x1, x2) з col_1 та col_2 і повертає True або False залежно від будь-якої умови, яку ви хочете (x1, x2).

Почніть з pandas 0,13 , це найефективніший спосіб.

df.query('Gender=="Male" & Year=="2014" ')

Якщо хтось задається питанням, який швидший спосіб фільтрування (прийнята відповідь або відповідь від @redreamality):

import pandas as pd
import numpy as np

length = 100_000
df = pd.DataFrame()
df['Year'] = np.random.randint(1950, 2019, size=length)
df['Gender'] = np.random.choice(['Male', 'Female'], length)

%timeit df.query('Gender=="Male" & Year=="2014" ')
%timeit df[(df['Gender']=='Male') & (df['Year']==2014)]

Результати для 100 000 рядків:

6.67 ms ± 557 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
5.54 ms ± 536 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Результати для 10000 000 рядків:

326 ms ± 6.52 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
472 ms ± 25.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

Тож результати залежать від розміру та даних. На моєму ноутбуці query()швидше стає після 500 тис. Рядків. Крім того, пошук рядка в Year=="2014"має непотрібні накладні витрати ( Year==2014швидший).

Ви можете створити свою власну функцію фільтру , використовуючи queryв pandas. Тут у вас є фільтрація dfрезультатів за всіма kwargsпараметрами. Не забудьте додати кілька валідаторів ( kwargsфільтрація), щоб отримати власну функцію фільтра df.

def filter(df, **kwargs):
    query_list = []
    for key in kwargs.keys():
        query_list.append(f'{key}=="{kwargs[key]}"')
    query = ' & '.join(query_list)
    return df.query(query)

Ви можете фільтрувати за кількома стовпцями (більше двох), використовуючи np.logical_andоператор для заміни &(або np.logical_orдля заміни |)

Ось приклад функції, яка виконує цю роботу, якщо ви надаєте цільові значення для кількох полів. Ви можете пристосувати його для різних типів фільтрації та іншого:

def filter_df(df, filter_values):
    """Filter df by matching targets for multiple columns.

    Args:
        df (pd.DataFrame): dataframe
        filter_values (None or dict): Dictionary of the form:
                `{<field>: <target_values_list>}`
            used to filter columns data.
    """
    import numpy as np
    if filter_values is None or not filter_values:
        return df
    return df[
        np.logical_and.reduce([
            df[column].isin(target_values) 
            for column, target_values in filter_values.items()
        ])
    ]

Використання:

df = pd.DataFrame({'a': [1, 2, 3, 4], 'b': [1, 2, 3, 4]})

filter_df(df, {
    'a': [1, 2, 3],
    'b': [1, 2, 4]
})