[英]How to index out value of number in pandas Dataframe KeyError: False
因此,我试图将一个值过滤为 append 后将其索引到列表中。 到目前为止,这里是代码:
import pandas as pd
import numpy as np
arr_1 = np.array([7, 1, 6, 9, 2, 4])
arr_2 = np.array([5, 8, 9, 10, 2, 3])
arr_3 = np.array([1, 9, 3, 4, 5, 1])
dict_of_arrs = {
'arr' : [arr_1, arr_2, arr_3]
}
df = pd.DataFrame(dict_of_arrs)
true_list = []
false_list = []
filt = df.arr.apply(lambda x: np.diff(x)>0)
for i in filt:
for n in i:
if n==True:
true_list.append(df.arr[n])
else:
false_list.append(df.arr[n])
虽然我得到了错误:
KeyError: False
我也通过执行df.arr[i][n]
来进行索引,但正如预期的那样,这给了我错误:
IndexError: Boolean index has wrong length: 5 instead of 3
我想要做的是过滤掉我已经拥有的 True 或 False,然后我想将 append 的所有 True 值的原始编号转换为true_list
,并且与 False 相同。 所以当我print(true_list)
时,output 是一个列表列表,每个列表只有 filt==True 的值,对于 false_list 也是如此。 谢谢你。
编辑:期望 output 应该看起来像:
print(true_list)
那么 output 是:
[ 6, 9, 4]
[ 8, 9, 10, 3]
[ 9, 4, 5]
因为在每个列表中,如果后面的值大于最后一个值,则 filt 正在寻找。 因此,那些为真的,将它们的 int 值添加到 true_list 中。 对于 false_list 它看起来像:
[ 1, 2]
[2]
[3, 1]
谢谢
这与@Scott Boston 的答案相同,但没有使用groupby
和explode
。
使用np.diff
和 boolean 索引。
import numpy as np
df.arr.map(lambda x:np.array(x)[1:][np.diff(x)>=0])
0 [6, 9, 4]
1 [8, 9, 10, 3]
2 [9, 4, 5]
Name: arr, dtype: object
df.arr.map(lambda x:np.array(x)[1:][np.diff(x)<0])
0 [1, 2]
1 [2]
2 [3, 1]
Name: arr, dtype: object
timeit
结果:
In [63]: %%timeit
...: dfe = df['arr'].explode()
...: grp = dfe.groupby(level=0).diff()
...: df_g = dfe[grp >= 0]
...: df_increasing = df_g.groupby(level=0).agg(list)
...:
...: df_l = dfe[grp < 0]
...: df_decreasing = df_l.groupby(level=0).agg(list)
...:
...:
7.16 ms ± 565 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [65]: %%timeit
...: df_x = df.arr.map(lambda x:np.array(x)[1:][np.diff(x)>=0])
...: df_y =df.arr.map(lambda x:np.array(x)[1:][np.diff(x)<0])
...:
...:
384 µs ± 5.37 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
让我们看看这是否有帮助:
dfe = df['arr'].explode()
grp = dfe.groupby(level=0).diff()
df_g = dfe[grp >= 0]
df_increasing = df_g.groupby(level=0).agg(list)
df_l = dfe[grp < 0]
df_decreasing = df_l.groupby(level=0).agg(list)
print(df_increasing)
# 0 [6, 9, 4]
# 1 [8, 9, 10, 3]
# 2 [9, 4, 5]
# Name: arr, dtype: object
print(df_decreasing)
# 0 [1, 2]
# 1 [2]
# 2 [3, 1]
# Name: arr, dtype: object
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.