具有命名索引的布尔子集

Question

我正在尝试使用布尔数组来对数据框进行子集化。这有效：

df = pd.DataFrame(
    [
        (0, 0, 1),
        (0, 1, 2),
        (0, 3, 20),
        (1, 0, 2),
        (1, 1, 1),
        (1, 2, 30),
    ],
    columns = ['s', 'j', 'q']
)

df[df['j'] == 0]
df.loc[df['j'] == 0]

但是，以下失败：

df.set_index('s')[df['j'] == 0]
df.set_index('s').loc[df['j'] == 0]

我得到 s 的每个实例都等于 0，而不是 j。我求助于查询（我的情况比字面上的j == 0更复杂，或者我会直接使用它）：

df['sub'] = (df['j'] == 0)
df.query('sub')

有没有办法在不创建临时变量的情况下做到这一点？非常感谢！ Python 3.7 和熊猫 0.23.4

编辑

我所做的问题是布尔系列和数据框具有不同的索引。下面的答案详细说明了解决它的几种方法，但我支持这两种方法中的任何一种：

df.set_index('s')[(df['j'] == 0).values]

或

df.set_index('s', inplace = True)
df[df['j'] == 0]

Answer 1

不要在布尔运算之间重新设置索引。您的布尔系列基于原始索引来放置真值和假值，然后您不能在具有 不同 索引的数据帧上重新使用该系列，因为索引然后映射到不同的行通过那个新索引。

如果您必须创建具有不同索引的数据框，请在之后创建您的布尔数组，或者在具有相同索引的另一个数据框上创建。所以这行得通：

df.set_index('s')[df.set_index('s')['j'] == 0]
df.set_index('s').loc[df.set_index('s')['j'] == 0]

也一样

df_indexed_on_s = df.set_index('s')
df_indexed_on_s[df_indexed_on_s['j'] == 0]
df_indexed_on_s.loc[df_indexed_on_s['j'] == 0]

如果你必须内联，也许你想使用一个可调用的索引；传入[...] 索引操作的函数预计会返回一个布尔系列，因此您也可以使用它：

df.set_index('s')[lambda sdf: sdf['j'] == 0]
df.set_index('s').loc[lambda sdf: sdf['j'] == 0]

或者您可以使用DataFrame.query() 让 Pandas 为您评估以字符串形式表示的查询，以针对您的数据框：

df.set_index('s').query('j == 0')

在底层，附加到df.set_index('s') 的索引被迭代，并且该索引中的值与df['j'] == 0 系列的值进行检查，以查看应该选择哪些行。后面的系列仍然使用原始索引（编号为 0 - 6 的 RangeIndex），因此将数字 0 - 6 映射到 True 和 False 值，而 s 只有一个 Int64Index 索引和值0 和1。对于s 索引具有0 的行，(df['j'] == 0)[0] 结果为True，因此这些行被选中，而对于1，结果为False。

df_indexed_on_s[df_indexed_on_s['j'] == 0] 的布尔索引需要更多的工作，因为该索引是相同的基于s 的 Int64Index, and0` 映射到 3 个单独的布尔结果，因此 Pandas 知道使用的不仅仅是索引选择匹配的行。