熊猫：为几列选择有条件的行

Question

我正在使用它有条件地选择column行：

X.loc[data['column'] == 1]

但我想将此条件扩展到几列。 这些列有一些共同点：它们包含相同的字符串。 所以实际上我有column1 ， column2 ，...， column100等，并且此条件应适用于所有这些列。 实际上是这样的（通配符）：

X.loc[data['column*'] == 1]

这些条件应与OR关联。 有机会轻松做到这一点吗？

Answer 1

对于某些数据框X

   p A  p B  p C
0    0    0    0
1    0    0    0
2    0    0    1
3    0    0    0
4    0    0    0
5    0    0    0
6    1    0    0

如果可以在col_list设置要测试的列的名称

col_list = X.columns

然后，您可以使用np.any()在每个对象之间或之间进行测试：

X.loc[(X[col_list] == 1).any(axis=1)]

这给你：

   p A  p B  p C
2    0    0    1
6    1    0    0

通知您不需要loc并且仍然会得到相同的答案，有关信息请致@MaartynFabre

X[(X[col_list] == 1).any(axis=1)]

   p A  p B  p C
2    0    0    1
6    1    0    0

Answer 2

测试数据框

    col0 col1 col2
0   1    1    2
1   1    1    1
2   2    2    2

用所有列的测试创建一个新的数据框

result_s = d.concat((df['col%i'%i] == 1 for i in range(3)), axis=1).all(axis=1)

结果是

0    False
1     True
2    False
dtype: bool

如果你做df[result_s]你会得到

    col0 col1 col2
1   1    1    1

这将选择所有列均为==1的行。如果其中之一足够， .any .all()更改为.any

    col0 col1 col2
0   1    1    2
1   1    1    1

Answer 3

将每个比较放在方括号中，并将它们与逻辑运算符组合：

pd.DataFrame(X).loc[(data['col1']==23) & (data['col2']==42)] # and
pd.DataFrame(X).loc[(data['col1']==23) | (data['col2']==42)] # or

Answer 4

这是另一种考虑方式：

df
   col0  col1  col2
0     1     1     2
1     1     1     1
2     2     2     2

df.loc[df['col0'] == 1, [x for x in df.columns if x == 'col0']]
   col0
0     1
1     1

您可以使用列表推导来查找所需的列。