[英]Selecting multiple rows based on different column values
我正在尝试根据分类评估一些图像。 我使用下面的一段代码来读取 csv 文件:
import pandas as pd
file = pd.read_csv('test.csv', header=None)
所以我有一些看起来像这样的东西:
Image1 2 3 4 5 Green
Image1 3 4 5 6 Red
Image2 4 5 6 7 Red
Image3 1 4 8 9 Green
Image4 5 3 0 1 Yellow
Image4 6 2 1 1 Green
因此,如果我想保留值为“Green”的图像,output 应该如下所示:
Image1 2 3 4 5 Green
Image1 3 4 5 6 Red
Image3 1 4 8 9 Green
Image4 5 3 0 1 Yellow
Image4 6 2 1 1 Green
这意味着当至少有一个我检查的元素位于最后一列时,我想在第一列中保留具有相同 id 的图像。
我使用了isin
方法,但我不知道如何将图像保留为 rest 行的图像,这些图像至少在最后一列中具有“绿色”值。
您可以使用loc
在第 6 列为Green
的第一列中查找值,并将其用作传递给isin
的值:
df[df[0].isin(df.loc[df[5] == "Green", 0])]
# if it has to be the last column, instead of the 6h column, use `iloc` instead:
# df[df[0].isin(df.loc[df.iloc[:, -1] == "Green", 0])]
Image1 2 3 4 5 Green
Image1 3 4 5 6 Red
Image3 1 4 8 9 Green
Image4 5 3 0 1 Yellow
Image4 6 2 1 1 Green
分解它:
内部loc
检索第一列中包含Green
的图像:
df.loc[df[5] == "Green", 0]
0 Image1
3 Image3
5 Image4
Name: 0, dtype: object
将其传递给isin
,您将获得一个 boolean 掩码,其中第一列与其中一个值匹配:
df[0].isin(df.loc[df[5] == "Green", 0])
0 True
1 True
2 False
3 True
4 True
5 True
Name: 0, dtype: bool
您可以使用它来过滤您的df
:
df[df[0].isin(df.loc[df[5] == "Green", 0])]
我们可以在这里使用GroupBy.any
,在这里我们检查是否有任何行满足我们的条件:
df[df[5].eq("Green").groupby(df[0]).transform("any")]
0 1 2 3 4 5
0 Image1 2 3 4 5 Green
1 Image1 3 4 5 6 Red
3 Image3 1 4 8 9 Green
4 Image4 5 3 0 1 Yellow
5 Image4 6 2 1 1 Green
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.