根据两列的组合过滤熊猫数据框

Question

假设我有一个数据框，

   a  b
0  1  2
1  2  3
2  4  2
3  4  3

我想过滤数据框，以便得到结果，

   a  b
0  1  2
3  4  3

即，我希望通过将两列过滤在一起来组合(1,2)和(4,3)。

如果我尝试这个，

df1 = df[df['a'].isin([1,4]) & df['b'].isin([2,3])]

由于(1,3)和(4,2)的组合也包含在上述方法中，因此我得到了整个数据框。但是我只需要给定的组合。我有两列元组的庞大列表，我想根据它们考虑相应的元组组合来过滤数据框。

此外，我不想将两列合并为一个字符串，然后进行过滤。

Answer 1

使用-

df[df[['a', 'b']].apply(tuple, axis=1).isin([(1,2), (4,3)])]

输出

    a   b
0   1   2
3   4   3

说明

df[['a', 'b']].apply(tuple, axis=1)给出了一系列元组-

0    (1, 2)
1    (2, 3)
2    (4, 2)
3    (4, 3)

.isin([(1,2), (4,3)])搜索所需的元组并给出布尔序列

Answer 2

另一个想法是将两列（a和b）作为字符串连接，并检查12和43，即

df[df.astype(str).sum(axis = 1).isin([12, 43])]
#   a  b
#0  1  2
#3  4  3

Answer 3

@Vivek Kalyanarangan概述的元组比较方法是可行的方法，但是在大型数据帧的情况下，通过使用MultiIndex而不是使用apply函数创建元组，可以显着提高速度：

例如，在您的情况下：

keep_tuples = [(1,2), (4,3)]
tuples_in_df = pd.MultiIndex.from_frame(df[["a","b"]])
df[tuples_in_df.isin(keep_tuples)]

与使用apply函数相比，这可将1,000,000 X 2大小的df速度提高约5倍。