[英]How to use a pd.DataFrame for filtering a different pd.DataFrame
我有一个 pandas DataFrame 包含数据和另一个 DataFrame ,其中每一行都可以解释为数据的过滤器:
data_df = pd.DataFrame([{'a':i%10, 'b':i%15} for i in range(30)])
filter_df = pd.DataFrame({'a':[3,4,5], 'b0':[5,6,8], 'b1':[15,10,11]})
filter_df
a b0 b1
0 3 5 15
1 4 6 10
2 5 8 11
意思是
pd.concat([
data_df[(data_df.a==3) & data_df.b.between(5,15)],
data_df[(data_df.a==4) & data_df.b.between(6,10)],
data_df[(data_df.a==5) & data_df.b.between(8,11)]
])
现在我需要一种将所有这些过滤器应用到 data_df 并得到 DataFrame 的方法。 一种方法是使用 apply:
res = filter_df.apply(lambda x: data_df[(data_df.a==x['a']) & data_df.b.between(x['b0'], x['b1'])], axis=1)
res = pd.concat([x for x in res])
请注意,要使其正常工作,我必须连接结果列表,因为结果是包含每行返回值的系列,可能是无、pd.Series 或 pd.DataFrame。 有一个更好的方法吗? 我希望有类似.reset_index() 的东西,但似乎我找不到正确的方法。 另外,如果有比 apply 更优雅/不同的方式,我会很高兴。 实际上,data_df 将在数百千或数百万行中,而我希望 filter_df 低于 1000 行,但大多数时候超过 10 行,如果这对性能有影响的话
可以合并查询:
data_df.merge(filter_df, on='a', how='right').query('b0 <= b <= b1')
或者等效地,合并和定位过滤器:
(data_df.merge(filter_df, on='a', how='right')
.loc[lambda x: x['b'].between(x['b0'], x['b1'])]
)
Output:
a b b0 b1
1 3 13 5 15
2 3 8 5 15
5 4 9 6 10
8 5 10 8 11
您可以使用 boolean 索引:
d = filter_df.set_index('a')
# is "a" in filter_df's a?
m1 = data_df['a'].isin(filter_df['a'])
# is b ≥ the matching b0 value in filter_df?
m2 = data_df['b'].ge(data_df['a'].map(d['b0']))
# is b ≤ the matching b1 value in filter_df?
m3 = data_df['b'].le(data_df['a'].map(d['b1']))
# keep if all conditions are True
data_df[m1&m2&m3]
output:
a b
13 3 13
23 3 8
24 4 9
25 5 10
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.