[英]pandas - mask dataframe by column name
從這個簡單的數據框df
:
col1,col2
1,3
2,1
3,8
我想在列名的函數中應用一個布爾mask
。 我知道價值觀很容易:
mask = df <= 1
df = df[mask]
返回:
面具:
col1 col2
0 True False
1 False True
2 False False
df:
col1 col2
0 1 NaN
1 NaN 1
2 NaN NaN
如預期的那樣。 現在,我想根據列名獲取一個布爾掩碼,例如:
mask = df == df['col_1']
應該返回:
面具
col1 col2
0 True False
1 True False
2 True False
編輯:
這似乎很奇怪,但是我需要使用這些掩碼,以便以后通過列seaborn熱圖進行過濾。
如評論中所述,在這種情況下,您將需要獲得類似“蒙版”的情況似乎很少見(而且很可能您不在其中之一)。 因此,在Pandas中可能沒有適合他們的好的“內置”解決方案。
但是,您可以使用如下所示的hack來實現所需的功能:
mask = (df == df) & (df.columns == 'col_1')
更新: 。 如注釋中所述,如果您的數據幀包含空值,則以這種方式計算的掩碼在相應位置將始終為False
。 如果這是一個問題,更安全的選擇是:
mask = ((df == df) | df.isnull()) & (df.columns == 'col_1')
您可以轉置數據框,然后將其與列進行比較,然后轉回。 有點奇怪但可行的示例:
import pandas as pd
from io import StringIO
data = """
col1,col2
1,3
2,1
3,8
"""
df = pd.read_csv(StringIO(data))
mask = (df.T == df['col1']).T
In [176]: df
Out[176]:
col1 col2
0 1 3
1 2 1
2 3 8
In [178]: mask
Out[178]:
col1 col2
0 True False
1 True False
2 True False
編輯
我為此找到了另一個答案,您可以使用isin
方法:
In [41]: df.isin(df.col1)
Out[41]:
col1 col2
0 True False
1 True False
2 True False
編輯2
如@DSM在注釋中所示,這兩種情況無法正常工作。 因此,您應該使用@KT。 方法。 但是..讓我們更多地使用移調:
df.col2 = df.col1
In [149]: df
Out[149]:
col1 col2
0 1 1
1 2 2
2 3 3
In [147]: df.isin(df.T[df.columns == 'col1'].T)
Out[147]:
col1 col2
0 True False
1 True False
2 True False
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.