在不满足条件的所有行上过滤熊猫数据框[重复]

Question

这似乎很简单，但我似乎无法弄清楚。我知道如何将 pandas 数据框过滤到所有符合条件的行，但是当我想要相反的情况时，我不断收到奇怪的错误。

这是一个例子。 （背景：一个简单的棋盘游戏，棋子在网格上，我们试图给它一个坐标并返回所有相邻的棋子，但不是该实际坐标上的实际棋子）

import pandas as pd
import numpy as np

df = pd.DataFrame([[5,7, 'wolf'],
              [5,6,'cow'],
              [8, 2, 'rabbit'],
              [5, 3, 'rabbit'],
              [3, 2, 'cow'],
              [7, 5, 'rabbit']],
              columns = ['lat', 'long', 'type'])

coords = [5,7] #the coordinate I'm testing, a wolf

view = df[((coords[0] - 1) <= df['lat']) & (df['lat'] <= (coords[0] + 1)) \
    & ((coords[1] - 1) <= df['long']) & (df['long'] <= (coords[1] + 1))]

view = view[not ((coords[0] == view['lat']) & (coords[1] == view['long'])) ] 

print(view)

我认为not 应该只是否定后面括号内的布尔值，但这似乎不是它的工作原理。

我希望它在 5,6 时返回母牛，而不是在 5,7 时返回狼（因为这是当前部分）。只是为了仔细检查我的逻辑，我做了

me = view[(coords[0] == view['lat']) & (coords[1] == view['long'])] 
print(me)

正如我所料，这只返回了狼。那么为什么我不能在它前面放一个not 并得到其他所有东西呢？或者，更重要的是，我该怎么做才能得到其他一切。

Answer 1

由于numpy（因此pandas）使用按位运算符，您应该将not 替换为~。这也是您使用& 而不是and 的原因。

import pandas as pd

df = pd.DataFrame({'a': [1, 2]})

print(df[~(df['a'] == 1)])
>>    a
   1  2

并使用您的示例：

import pandas as pd
import numpy as np

df = pd.DataFrame([[5,7, 'wolf'],
              [5,6,'cow'],
              [8, 2, 'rabbit'],
              [5, 3, 'rabbit'],
              [3, 2, 'cow'],
              [7, 5, 'rabbit']],
              columns = ['lat', 'long', 'type'])

coords = [5,7] #the coordinate I'm testing, a wolf

view = df[((coords[0] - 1) <= df['lat']) & (df['lat'] <= (coords[0] + 1)) \
    & ((coords[1] - 1) <= df['long']) & (df['long'] <= (coords[1] + 1))]

view = view[~ ((coords[0] == view['lat']) & (coords[1] == view['long'])) ] 

print(view)
>>    lat  long type
   1    5     6  cow