Выбор по сложным критериям из панд. DataFrame

Например, у меня есть простой DF:

import pandas as pd
from random import randint

df = pd.DataFrame({'A': [randint(1, 9) for x in xrange(10)],
                   'B': [randint(1, 9)*10 for x in xrange(10)],
                   'C': [randint(1, 9)*100 for x in xrange(10)]})

Могу ли я выбрать значения из «A», для которых соответствующие значения для «B» будут больше 50, а для «C» - не равны 900, используя методы и идиомы Панд?

Конечно! Настроить:

>>> import pandas as pd
>>> from random import randint
>>> df = pd.DataFrame({'A': [randint(1, 9) for x in range(10)],
                   'B': [randint(1, 9)*10 for x in range(10)],
                   'C': [randint(1, 9)*100 for x in range(10)]})
>>> df
   A   B    C
0  9  40  300
1  9  70  700
2  5  70  900
3  8  80  900
4  7  50  200
5  9  30  900
6  2  80  700
7  2  80  400
8  5  80  300
9  7  70  800

Мы можем применять операции со столбцами и получать объекты логической серии:

>>> df["B"] > 50
0    False
1     True
2     True
3     True
4    False
5    False
6     True
7     True
8     True
9     True
Name: B
>>> (df["B"] > 50) & (df["C"] == 900)
0    False
1    False
2     True
3     True
4    False
5    False
6    False
7    False
8    False
9    False

[Обновить, чтобы перейти на новый стиль .loc]:

И затем мы можем использовать их для индексации объекта. Для доступа на чтение вы можете связать индексы:

>>> df["A"][(df["B"] > 50) & (df["C"] == 900)]
2    5
3    8
Name: A, dtype: int64

но вы можете столкнуться с проблемами из-за разницы между видом и копией, делающими это для доступа на запись. Вы можете использовать .locвместо:

>>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"]
2    5
3    8
Name: A, dtype: int64
>>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"].values
array([5, 8], dtype=int64)
>>> df.loc[(df["B"] > 50) & (df["C"] == 900), "A"] *= 1000
>>> df
      A   B    C
0     9  40  300
1     9  70  700
2  5000  70  900
3  8000  80  900
4     7  50  200
5     9  30  900
6     2  80  700
7     2  80  400
8     5  80  300
9     7  70  800

Обратите внимание, что я случайно набрал == 900и нет != 900, или ~(df["C"] == 900), но мне лень это исправить. Упражнение для читателя. : ^)

Другое решение заключается в использовании метода запроса :

import pandas as pd

from random import randint
df = pd.DataFrame({'A': [randint(1, 9) for x in xrange(10)],
                   'B': [randint(1, 9) * 10 for x in xrange(10)],
                   'C': [randint(1, 9) * 100 for x in xrange(10)]})
print df

   A   B    C
0  7  20  300
1  7  80  700
2  4  90  100
3  4  30  900
4  7  80  200
5  7  60  800
6  3  80  900
7  9  40  100
8  6  40  100
9  3  10  600

print df.query('B > 50 and C != 900')

   A   B    C
1  7  80  700
2  4  90  100
4  7  80  200
5  7  60  800

Теперь, если вы хотите изменить возвращенные значения в столбце A, вы можете сохранить их индекс:

my_query_index = df.query('B > 50 & C != 900').index

.... и используйте, .ilocчтобы изменить их, т.е.

df.iloc[my_query_index, 0] = 5000

print df

      A   B    C
0     7  20  300
1  5000  80  700
2  5000  90  100
3     4  30  900
4  5000  80  200
5  5000  60  800
6     3  80  900
7     9  40  100
8     6  40  100
9     3  10  600

И не забудьте использовать скобки!

Имейте в виду, что &оператор имеет приоритет над такими операторами, как >и <т. Д. Вот почему

4 < 5 & 6 > 4

оценивает до False. Поэтому, если вы используете pd.loc, вам нужно заключить в скобки логические утверждения, в противном случае вы получите ошибку. Вот почему

df.loc[(df['A'] > 10) & (df['B'] < 15)]

вместо того

df.loc[df['A'] > 10 & df['B'] < 15]

что приведет к

Ошибка типа: невозможно сравнить массив dtyped [float64] со скаляром типа [bool]

Вы можете использовать панд, у него есть некоторые встроенные функции для сравнения. Поэтому, если вы хотите выбрать значения «A», которые удовлетворяют условиям «B» и «C» (при условии, что вы хотите вернуть объект DataFrame pandas)

df[['A']][df.B.gt(50) & df.C.ne(900)]

df[['A']] вернет вам столбец A в формате DataFrame.

Функция pandas 'gt' возвращает позиции столбца B, которые больше 50, а 'ne' возвращает позиции, не равные 900.