如何循环遍历多个数据框以根据行条件选择数据框？

Question

我在 Pandas 中有一些 Python 数据框，我想遍历它们以找出哪个数据框符合我的行条件并将其保存在新的数据框中。

d = {'Count' : ['10', '11', '12', '13','13.4','12.5']}
df_1= pd.DataFrame(data=d)
df_1

d = {'Count' : ['10', '-11', '-12', '13','16','2']}
df_2= pd.DataFrame(data=d)
df_2

这是我要使用的逻辑，但它不包含正确的语法，

for df in (df_1,df_2)
    if df['Count'][0] >0 and df['Count'][1] >0 and df['Count'][2]>0 and df['Count'][3]>0 
    and (df['Count'][4] is between df['Count'][3]+0.5 and df['Count'][3]-0.5) is True:
        df.save

正确的输出是 df_1... 因为它符合我的条件。如何创建一个新的DataFrame 或LIST 来保存结果？

Answer 1

如果您对 cme​​ts 有任何疑问，请告诉我。我对您的代码所做的主要更新是：

1. 将您的chained indexing 替换为.loc
2. 将您最初的几个单独的 and'd 比较合并到对系列片段的比较中，使用 .all() 简化为单个 T/F

代码如下：

import pandas as pd 

# df_1 & df_2 input taken from you
d = {'Count' : ['10', '11', '12', '13','13.4','12.5']}
df_1= pd.DataFrame(data=d)

d = {'Count' : ['10', '-11', '-12', '13','16','2']}
df_2= pd.DataFrame(data=d)

# my solution here
df_1['Count'] = df_1['Count'].astype('float')
df_2['Count'] = df_2['Count'].astype('float')

my_dataframes = {'df_1': df_1, 'df_2': df_2}
good_dataframes = []
for df_name, df in my_dataframes.items():
    if (df.loc[0:3, 'Count'] > 0).all() and (df.loc[3,'Count']-0.5 <= df.loc[4, 'Count'] <= df.loc[3, 'Count']+0.5):
        good_dataframes.append(df_name)

good_dataframes_df = pd.DataFrame({'good': good_dataframes})

测试：

>>> print(good_dataframes_df)
   good
0  df_1