Pandas Dataframe：按值选择多列不起作用，为什么？

Question

我从 sql 查询（2014 年 5 月至 2015 年 6 月的数据）构建了一个数据框，并尝试构建 2 个不同的数据集 - 火车使用除 2015 年 6 月以外的所有数据 - 测试仅使用 2015 年 6 月的数据当我尝试使用时：train= df [(df.month!=6) & (df.year!=2015)]

似乎我使用的是 OR 而不是 AND，因为我没有得到任何月=6 的值（也不是 2014 年），而且根本没有年=2015 的值，所以 2015 年的其他月份也没有。

我不明白代码有什么问题。

mycurs.execute("""SELECT day, month, year, cloudcover, moonphase, precipintensity,
precipaccumulation, preciptype2, humidity, pressure, windspeed,
uvindex, visibility, temperaturehigh, weekend_2, crimecount
FROM open.nyc_weatherhist_2""")
f=mycurs.fetchall() #returns tuple with first row (unordered list)

df=pd.DataFrame(f, columns=feature_names)
print(df)

     day  month  year  ...  temperaturehigh  weekend  crimecount
0     28      4  2015  ...            20.85        0          56
1     14      4  2015  ...            18.25        0         103
2     13      7  2014  ...            27.44        0          89
3      4      1  2015  ...            12.94        0          99
4     21      9  2014  ...            24.15        0          66
..   ...    ...   ...  ...              ...      ...         ...
390    4      7  2014  ...            23.37        1          84
391    8      8  2014  ...            27.98        1          97
392   26      4  2015  ...            15.78        0          82
393    3      8  2014  ...            24.50        0          80
394    5      6  2015  ...            20.65        1          87

[395 rows x 16 columns]

train= df[(df.month!=6) & (df.year!=2015)]
print(train)

     day  month  year  ...  temperaturehigh  weekend  crimecount
2     13      7  2014  ...            27.44        0          89
4     21      9  2014  ...            24.15        0          66
8     10     11  2014  ...            16.27        0          76
9      5     11  2014  ...            17.76        0         101
11    10      7  2014  ...            28.06        0          99
..   ...    ...   ...  ...              ...      ...         ...
382   10      8  2014  ...            30.51        0         119
389   21     11  2014  ...             2.65        1         110
390    4      7  2014  ...            23.37        1          84
391    8      8  2014  ...            27.98        1          97
393    3      8  2014  ...            24.50        0          80

[184 rows x 16 columns]

Answer 1

只是详细说明弗朗西斯的回答，您以错误的方式看待病情。

您需要除某年某月之外的所有数据。 那么，该值何时是“正确的”？ 如果它们中的任何一个不在月份或年份中。

所以，这正是OR条件。

另一种看待它的方式 - 你有条件X和Y 。 当X和Y存在时，你就“错了”，或者只是X & Y 。
那么，你什么时候“正确”？ 当!(X & Y) == !X | !Y !X | !Y 。

您可以选择如何解决这个问题，但您可以执行以下操作：

train = df[(df.month != 6) | (df.year != 2015)]
或者
train = df[~((df.month == 6) & (df.year == 2015))]
哪些是等价的

Answer 2

您需要使用 | 为或怀疑。

    >>> df = pd.DataFrame({'year':[2014,2015,2015],'month':[6,5,6]})
    >>> df
       year  month
    0  2014      6
    1  2015      5
    2  2015      6
    >>> train = df[(df['year']!=2015) | (df['month']!=6)]
    >>> train
       year  month
    0  2014      6
    1  2015      5