查询 pandas 数据框列值时使用类似 MySQL 的条件

Question

我正在尝试选择标签包含某个字符串的 pandas 数据框中的所有项目：

df.query(' ITEM in @label.keys() and "H2O" in @label[ITEM]')

label 是将项目映射到其文本标签的字典。

但是当我这样做时，我得到：

TypeError: 'Series' 对象是可变的，因此它们不能被散列

我知道解决此问题的一种方法是创建另一个字典，其中包含标签中包含“H2O”的项目，我们称之为 label_H2O，然后查询可以变为：

df.query(' ITEM in @label_H2O.keys()')

但是第一种方法更方便，因为我可以在一个查询中完成所有操作。

是否可以像我在第一种方法中尝试的那样在单个查询中执行此操作？另外，如果有办法，它会比第二种方法慢吗？

我不确定表达式是如何计算的，我能想到两种可能性：

1. 遍历整个数据框并获取所有唯一项 -> 过滤器 它们基于附加条件 -> 将它们存储在一个集合中 -> 遍历数据框中的每一行并检查项目是否在此集合中并相应地选择行
2. 遍历每一行并评估条件

在情况 1 中，两个查询似乎应该具有相似的性能。在情况 2 中，第二个查询效率更高，尤其是在我们有很多重复项的情况下。

df 标头：

   SUBJECT_ID  ITEM
0           1     3
1           2     5
2           1     5
3           1     2
4           1     2

标签：

{
 1: 'Coffee',
 2: 'Apple Juice',
 3: 'Soda',
 4: 'Tea',
 5: 'Sparkling H2O'
}

Answer 1

我不确定您的问题是否是为了获得结果，或者您是否同意使用query 的想法，只是好奇如何让它发挥作用。

如果您只是在寻找一种方法来从 df 获取键对应于其中包含“H2O”的标签的行：

df[df['item'].isin([k for k,v in label.items() if 'H2O' in v])]