根据熊猫列中的字符串值从DataFrame中选择行答案

【问题标题】：Select rows from a DataFrame based on string values in a column in pandas根据熊猫列中的字符串值从DataFrame中选择行
【发布时间】：2018-04-04 10:12:05
【问题描述】：

如何根据 pandas 列中的字符串值从 DataFrame 中选择行？我只想显示所有大写字母中的唯一状态。各州有城市总数。

import pandas as pd
import matplotlib.pyplot as plt
%pylab inline
d = pd.read_csv("states.csv")
print(d)
print(df)
# States/cities           B  C   D
# 0  FL                   3  5   6
# 1  Orlando              1  2   3
# 2  Miami                1  1   3
# 3  Jacksonville         1  2   0
# 4  CA                   8  3   2
# 5  San diego            3  1   0
# 6  San Francisco        5  2   2
# 7  WA                   4  2   1
# 8  Seattle              3  1   0 
# 9  Tacoma               1  1   1

如何显示，

# States/Cites        B   C   D
# 0  FL               3  5   6               
# 4  CA               8  3   2
# 7  WA               4  2   1

【问题讨论】：

标签： python pandas

【解决方案1】：

您可以编写一个函数以应用于States/cities 列中的每个值。让函数返回 True 或 False，应用函数的结果可以作为 DataFrame 上的布尔过滤器。

这是使用 pandas 时的常见模式。在您的特定情况下，您可以检查 States/cities 中的每个值是否仅由大写字母组成。

例如：

def is_state_abbrev(string):
    return string.isupper()

filter = d['States/cities'].apply(is_state_abbrev)
filtered_df = d[filter]

这里的filter 将是一个带有True 和False 值的熊猫系列。

您也可以使用 lambda 表达式来获得相同的结果，如下所示：

filtered_df = d[d['States/cities'].apply(lambda x: x.isupper())]

这基本上做同样的事情。

【讨论】：

【解决方案2】：

考虑 pandas.Series.str.match 只为 [A-Z] 传递正则表达式

states[states['States/cities'].str.match('^.*[A-Z]$')]

#   States/cities  B  C  D
# 0            FL  3  5  6
# 4            CA  8  3  2
# 7            WA  4  2  1

数据

from io import StringIO
import pandas as pd

txt = '''"States/cities"           B  C   D
0  FL                   3  5   6
1  Orlando              1  2   3
2  Miami                1  1   3
3  Jacksonville         1  2   0
4  CA                   8  3   2
5  "San diego"            3  1   0
6  "San Francisco"        5  2   2
7  WA                   4  2   1
8  Seattle              3  1   0 
9  Tacoma               1  1   1'''

states = pd.read_table(StringIO(txt), sep="\s+")

【讨论】：

【解决方案3】：

您可以像这样在States/cities 列中获取所有大写值的行：

df.loc[df['States/cities'].str.isupper()]

  States/cities  B  C  D
0            FL  3  5  6
4            CA  8  3  2
7            WA  4  2  1

为了安全起见，您可以添加一个条件，使其仅返回 'States/cities' 为大写的行并且只有 2 个字符长（如果您的值为 SEATTLE或类似的东西）：

df.loc[(df['States/cities'].str.isupper()) & (df['States/cities'].apply(len) == 2)]

【讨论】：

【解决方案4】：

您可以使用 str.contains 过滤任何包含小字母的行

df[~df['States/cities'].str.contains('[a-z]')]

    States/cities   B   C   D
0   FL              3   5   6
4   CA              8   3   2
7   WA              4   2   1

【讨论】：

【解决方案5】：

如果我们假设顺序总是 State 之后是 state 中的城市，我们可以使用 where 和 dropna

df['States/cities']=df['States/cities'].where(df['States/cities'].isin(['FL','CA','WA']))


df.dropna()
df
  States/cities  B  C  D
0            FL  3  5  6
4            CA  8  3  2
7            WA  4  2  1

或者我们做str.len

df[df['States/cities'].str.len()==2]
Out[39]: 
  States/cities  B  C  D
0            FL  3  5  6
4            CA  8  3  2
7            WA  4  2  1

【讨论】：