如何根据元组列表过滤 Pandas DataFrame？

Question

如何从一组元组中过滤数据帧，以便配对相同？ 我需要一种更优雅的写作方式。 我尽量不使用合并，因为它会降低效率。

所以我有一个名为 tup_list 的元组列表： [('118', '35'), ('35', '35'), ('118', '202')假设每个元组中的第一个元素是 A，第二个是 B，我试图根据这个 tup_list 过滤我的数据框，其中配对需要相同。

原始数据框：

A   B
118 35
118 40
35  202
118 1
35  35

根据tup_list过滤后，新的dataframe应该是：

A   B
118 35
35  35

只应返回精确的配对。

目前我使用df= df.merge(tup_list, on=['A','B'], how='inner'). But is not very efficient as my actual data is larger. df= df.merge(tup_list, on=['A','B'], how='inner'). But is not very efficient as my actual data is larger.

请建议更有效的写作方式。

Answer 1

使用布尔索引：

tup_list = [(118, 35), (35, 35), (118, 202)]
df[pd.Series(list(zip(df['A'], df['B']))).isin(tup_list)]

    A   B
0   118 35
4   35  35

list(zip(df['A'], df['B']))把你的两列变成一个元组列表：

[(118, 35), (118, 40), (35, 202), (118, 1), (35, 35)]

你正在变成一个系列并使用isin返回一个布尔值：

0     True
1    False
2    False
3    False
4     True
dtype: bool

可用于布尔索引

Answer 2

使用您的tup_list和名为df数据tup_list ，这里是请求输出的单行：

df[[x in tup_list for x in list(zip(df.A,df.B))]]

Answer 3

使用pandas.DataFrame.query您还可以根据您的元组列表过滤您的数据pandas.DataFrame.query

import numpy as np
import pandas as pd

f = [('118', '35'), ('35', '35'), ('118', '202')]
idxs = [df.query('A=='+ t[0] + ' and B==' + t[1]).index.values for t in f]
idxs = np.concatenate(idxs).ravel().tolist()
df2 = df.iloc[idxs,:]
print(df2)
#      A   B
# 0  118  35
# 4   35  35