Pandas 根据条件从数据框中删除行

Question

考虑这个代码：

from StringIO import StringIO
import pandas as pd

txt = """a, RR
10, 1asas
20, 1asasas
30,
40, asas
50, ayty
60, 2asas
80, 3asas"""
frame = pd.read_csv(StringIO(txt), skipinitialspace=True)

print frame,"\n\n\n"

l=[]
for i,j in frame[~ frame['RR'].str.startswith("1", na=True)]['RR'].iteritems():
    if j.startswith(('2','3')):
         if frame[frame['RR'].str.startswith("1", na=False)]['RR'].str.match("1"+j[1:], as_indexer = True).any():
            l.append(i)
    else:
        if frame[frame['RR'].str.startswith("1", na=False)]['RR'].str.match("1"+j, as_indexer = True).any():
            l.append(i)
 frame = frame.drop(frame.index[l])
 print frame

我在这里做的是，

1）循环遍历数据帧以丢弃数据帧中已经有1RR任何RR

2）如果RR在开始时有2 or 3 ，那么如果该RR在数据帧中有1RR[1:] ，则丢弃。

3）如果RR 1或者是NaN不要碰它。

该代码工作正常，但这个dataframe将有高达百万条目，我不认为这个代码是optimsed.As我刚开始与pandas ，我有知识有限。 有没有什么方法可以在没有iteration情况下实现这一点。 pandas是否有任何内置的实用程序来做到这一点？

Answer 1

首先，保持所有字符串以1或nan开头：

keep = frame['RR'].str.startswith("1", na=True)
keep1 = keep[keep]  # will be used at the end

其次，让不在第一个数据帧rr1中的字符串以2或3 rr1 ：

rr1 = frame.loc[frame['RR'].str.startswith("1", na=False), 'RR']
keep2 = ~frame.loc[
            (frame['RR'].str.startswith("2")) | (frame['RR'].str.startswith("3")), 'RR'
        ].str.slice(1).isin(rr1.str.slice(1))

第三，在添加前导1后保留不在rr1其他字符串：

import numpy as np
keep3 = ~("1" + frame.loc[
            ~frame['RR'].str.slice(0,1).isin([np.nan, "1", "2", "3"]), 'RR'
        ]).isin(rr1)

最后，把所有东西放在一起：

frame[pd.concat([keep1, keep2, keep3]).sort_index()]