Question

我有一个大约50列和> 100行的pandas数据帧。我想选择'col_x'，'col_y'列'col_z' < m。有没有一种简单的方法可以做到这一点，类似于df[df['col3'] < m]和df[['colx','coly']]，但结合了？

Answer 1

让我们分解你的问题。你想要

首先，您需要的条件是 -

df["col_z"] < m

对于第二个要求，您需要指定所需的列列表 -

["col_x", "col_y"]

你如何将这两者结合起来产生熊猫的预期输出？最直接的方法是使用loc -

df.loc[df["col_z"] < m, ["col_x", "col_y"]]

第一个参数选择行，第二个参数选择列。

关于loc的更多信息

根据关系代数运算 - 选择和投影来考虑这一点。如果你来自SQL世界，这将是一个相关的等价物。在SQL语法中，上述操作看起来像这样 -

SELECT col_x, col_y     # projection on columns
FROM df
WHERE col_z < m         # selection on rows

pandas loc允许您指定用于选择行的索引标签。例如，如果您有数据框 -

   col_x  col_y
a      1      4
b      2      5
c      3      6

要选择索引a，c和col_x，请使用 -

df.loc[['a', 'c'], ['col_x']]

   col_x
a      1
c      3

或者，通过布尔条件进行选择（使用bool值的序列/数组，如原始问题所示），其中col_x中的所有值都是奇数 -

df.loc[(df.col_x % 2).ne(0), ['col_y']]

   col_y
a      4
c      6

有关详细信息，df.col_x % 2计算每个值相对于2的模数。然后，ne(0)会将值与0进行比较，如果不是，则返回True（所有奇数都是这样选择的）。这是表达式导致的结果 -

(df.col_x % 2).ne(0)

a     True
b    False
c     True
Name: col_x, dtype: bool

进一步阅读