如何在 pandas 数据框上创建一个真正的索引？答案

【问题标题】：How to create a true-for-all index on a pandas dataframe?如何在 pandas 数据框上创建一个真正的索引？
【发布时间】：2022-01-07 13:10:59
【问题描述】：

我正在使用 pandas，并且遇到过一些情况，我有一个以编程方式生成的条件列表，就像这样

conditionals = [
    df['someColumn'] == 'someValue',
    df['someOtherCol'] == 'someOtherValue',
    df['someThirdCol'].isin(['foo','bar','baz']),
   ]

我想选择所有这些条件都为真的行。我想我会做这样的事情。

bigConditional = IHaveNoIdeaOfWhatToPutHere

for conditional in conditionals:
   bigConditional = bigConditional && conditional
filteredDf = df[bigConditional]

我知道我想使用 identity 属性，其中 bigConditional 为我的数据框中的每个索引初始化为一系列 true，这样如果我的条件列表中的任何条件评估为 false，则该行将不在过滤后的数据框，但最初会考虑每一行。

我不知道该怎么做，或者至少不是表明这是故意的最好最简洁的方式

另外，我遇到了相反的情况，我只需要一个条件来匹配以将行包含到新数据框中，因此我需要将 bigConditional 设置为 false 为数据框中的每个索引。

【问题讨论】：

标签： pandas filter

【解决方案1】：

也许您可以使用query 并像这样生成您的条件：

conditionals = [
    "someColumn == 'someValue'",
    "someOtherCol == 'someOtherValue'",
    "someThirdCol.isin(['foo', 'bar', 'baz'])",
]

qs = ' & '.join(conditionals)

out = df.query(qs)

或使用eval 创建布尔值而不是过滤您的数据框：

mask = df.eval(qs)

演示

假设这个数据框：

>>> df
     someColumn    someOtherCol  someThirdCol
0     someValue  someOtherValue           foo
1     someValue  someOtherValue           baz
2     someValue    anotherValue  anotherValue
3  anotherValue    anotherValue  anotherValue

>>> df.query(qs)
  someColumn    someOtherCol someThirdCol
0  someValue  someOtherValue          foo
1  someValue  someOtherValue          baz

>>> df.eval(qs)
0     True
1     True
2    False
3    False
dtype: bool

您甚至可以使用 f 字符串或其他模板语言将变量传递给您的条件列表。

【讨论】：

【解决方案2】：

如何对条件求和并检查它是否等于条件数

filteredDf = df.loc[sum(conditionals)==len(conditionals)]

或者更简单，使用np.all

filteredDf = df.loc[np.all(conditionals, axis=0)]

否则，对于您的原始问题，您可以创建一系列 True 索引，如 df 并且您的 for 循环应该可以工作。

bigConditional = pd.Series(True, index=df.index)

【讨论】：