标签:load column The axis 函数 dom 多个 lambda info
一、过滤机制
可以按照下列方法,依据列的值过滤DataFrame处理某些符合条件的行
dataframe[ 条件 ]
dataframe[ dataframe["colname"] > value ]
dataframe[ dataframe["colname"] < value ]
dataframe[ dataframe["colname"] != value ]
二、推导过程
boolean_array = dataframe["colname"] > value ————> Series type with bool values
dataframe[boolean_array] —————> DataFrame filtered
dataframe[ dataframe["colname"] > value ] —————> DataFrame filtered
三、多条件过滤
dataframe[ dataframe["col1"] > val1 & dataframe["col2"] != val2]
四、举例
1、从记录中选出所有fault_code列的值在fault_list= [487, 479, 500, 505]这个范围内的记录
record2=record[record[‘FAULT_CODE‘].isin(fault_list)]
要用.isin 而不能用in,用 in以后选出来的值都是True 和False,然后报错:
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any()
2、选出所有WTGS_CODE=20004013的记录
set=20004013
record= record[record[‘WTGS_CODE‘] == set]
要点:
(1)多个条件筛选的时候每个条件都必须加括号。
(2)判断值是否在某一个范围内进行筛选的时候需要使用DataFrame.isin()的isin()函数,而不能使用in。
3、using DataFrame.apply, which applies a function along a given axis,
df = pandas.DataFrame(np.random.randn(5, 3), columns=[‘a‘, ‘b‘, ‘c‘])
df:
a b c
0 -0.001968 -1.877945 -1.515674
1 -0.540628 0.793913 -0.983315
2 -1.313574 1.946410 0.826350
3 0.015763 -0.267860 -2.228350
4 0.563111 1.195459 0.343168
df[df.apply(lambda x: x[‘b‘] > x[‘c‘], axis=1)]
Out:
a b c
1 -0.540628 0.793913 -0.983315
2 -1.313574 1.946410 0.826350
3 0.015763 -0.267860 -2.228350
4 0.563111 1.195459 0.343168
or
mask = df.apply(lambda row: row["col"].val < 100, axis=1)
df[mask]
标签:load column The axis 函数 dom 多个 lambda info
原文地址:https://www.cnblogs.com/treasury-manager/p/13956651.html