pandas-按列名遮罩数据框

Question

从这个简单的数据框df ：

col1,col2
1,3
2,1
3,8

我想在列名的函数中应用一个布尔mask 。 我知道价值观很容易：

mask = df <= 1

df = df[mask]

返回：

面具：

    col1   col2
0   True  False
1  False   True
2  False  False

df：

   col1  col2
0     1   NaN
1   NaN     1
2   NaN   NaN

如预期的那样。 现在，我想根据列名获取一个布尔掩码，例如：

mask = df == df['col_1']

应该返回：

面具

    col1   col2
0   True  False
1   True  False
2   True  False

编辑：

这似乎很奇怪，但是我需要使用这些掩码，以便以后通过列seaborn热图进行过滤。

Answer 1

如评论中所述，在这种情况下，您将需要获得类似“蒙版”的情况似乎很少见（而且很可能您不在其中之一）。 因此，在Pandas中可能没有适合他们的好的“内置”解决方案。

但是，您可以使用如下所示的hack来实现所需的功能：

mask = (df == df) & (df.columns == 'col_1')

更新： 。 如注释中所述，如果您的数据帧包含空值，则以这种方式计算的掩码在相应位置将始终为False 。 如果这是一个问题，更安全的选择是：

mask = ((df == df) | df.isnull()) & (df.columns == 'col_1')

Answer 2

您可以转置数据框，然后将其与列进行比较，然后转回。 有点奇怪但可行的示例：

import pandas as pd
from io import StringIO

data = """
col1,col2
1,3
2,1
3,8
"""

df = pd.read_csv(StringIO(data))
mask = (df.T == df['col1']).T

In [176]: df
Out[176]:
   col1  col2
0     1     3
1     2     1
2     3     8


In [178]: mask
Out[178]:
   col1   col2
0  True  False
1  True  False
2  True  False

编辑

我为此找到了另一个答案，您可以使用isin方法：

In [41]: df.isin(df.col1)
Out[41]:
   col1   col2
0  True  False
1  True  False
2  True  False

编辑2

如@DSM在注释中所示，这两种情况无法正常工作。 因此，您应该使用@KT。 方法。 但是..让我们更多地使用移调：

df.col2 = df.col1

In [149]: df
Out[149]:
   col1  col2
0     1     1
1     2     2
2     3     3

In [147]: df.isin(df.T[df.columns == 'col1'].T)
Out[147]:
   col1   col2
0  True  False
1  True  False
2  True  False