![](/img/trans.png)
[英]Create multiple boolean columns in pandas dataframe based on multiple conditions
[英]How to Select Specific Columns in Pandas DataFrame Using Multiple Boolean Conditions
我正在尝试为上述问题找到一个很好的,全面的答案。
让我们采用以下数据框:
df = pd.DataFrame(np.random.randn(4,4), columns=['A', 'B', 'C', 'D'])
df['Category'] = pd.Series(['Cat1', 'Cat2', 'Cat1', 'Cat2'])
df:
A B C D Category
0 0.057456 0.462712 -1.245539 0.095947 Cat1
1 0.741688 0.353600 1.130754 -1.692440 Cat2
2 0.638623 -0.109566 0.118509 -0.692661 Cat1
3 -0.905806 0.284818 -0.094696 -1.325617 Cat2
我了解使用df.A
或df['A']
选择列A
并使用df[['A', 'B']]
选择列A
和B
的基本术语。
而且,如果我想通过布尔条件,可以执行df[df.A > 0]
以返回df.A
大于0的行。并且我可以包含多个条件,例如df[(df.A > 0) & (df.Category == 'Cat1')]
包含多个条件。
我没有看到的一件事是,如何选择具有与上面使用的两个布尔条件相同的数据框列的子集。
我尝试过的两种方法均未成功:
df['B'].where(df.A > 0)
这将返回索引中的所有行,而我只希望针对上述条件返回True
的那些行。
我也尝试过使用query
而没有成功,因为它不能在系列上使用。
因此df['A'].query(some condition)
返回错误消息。
理想情况下,我正在寻找的解决方案具有以下条件:
df['A']
和df['B']
。 True
的行,而不是所有行。 谢谢。
我认为您正在寻找.loc
df.loc[df.A>0,'B']
0 0.462712
1 0.353600
2 -0.109566
Name: B, dtype: float64
df.loc[(df.A>0)&(df.B<0),['B','C']]
B C
2 -0.109566 0.118509
@WB的答案只是使用query
的变体:
df.query('A > 0 and B < 0').loc[:, ['B', 'C']]
要么
df.query('A > 0 and B < 0')[['B', 'C']]
也将打印
B C
2 -0.109566 0.118509
您正在正确处理df['B'].where(df.A > 0)
条件。 但是,仅在其后附加一些其他功能即可仅实现True
结果。
具有多个(也可以通过单个)条件的示例:
df[['B','C']].where((df.A > 1) & (df.D>0)).dropna().reset_index(drop=True)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.