按标准从熊猫数据帧（或numpy ndarray？）中选择

我发现自己经常编写这种模式：

从最后的

deltmp

可以猜到，创建

tmp

的唯一原因是，我可以在应用于它的索引表达式中使用一个涉及它的布尔表达式

我很想消除对这种（其他无用的）中间体的需求，但我不知道有什么有效的方法可以做到这一点。（如果我错了，请纠正我！）

第二，我想把这个模式推广到一些辅助函数。问题在于找到一种合适的方法将

传递给它。我只能想到不雅的东西。例如：

def filterobj(obj, criterion):
    return obj[eval(criterion % 'obj')]

这实际上是可行的2：

---

这是我能得到的最简洁的：

(df.xs('A')['II'] - df.xs('B')['II']).apply(lambda x: x if (x<0) else np.nan).dropna()

Int
0     -4.488312
1     -0.666710
2     -1.995535
Name: II

---

（df.xs（'A'）['II']-df.xs（'B'）['II']）。apply（lambda x:x if（x）由于Python的工作方式，我认为这将是一个艰难的过程。我只能想到一些只会让你走一段路的黑客。比如

def filterobj(obj, fn):
    return obj[fn(obj)]

filterobj(df.xs('A')['II'] - df.xs('B')['II'], lambda x: x < 0)

>>> this
this
>>> this < 3
this < 3
>>> df[this < 3]
Traceback (most recent call last):
  File "<ipython-input-34-d5f1e0baecf9>", line 1, in <module>
    df[this < 3]
[...]
KeyError: u'no item named this < 3'

>>> tmp = df["I"] + df["II"]
>>> tmp[tmp < 0]
Alpha  Int
A      4     -0.464487
B      3     -1.352535
       4     -1.678836
Dtype: float64
>>> filterobj(df["I"] + df["II"], this < 0)
Alpha  Int
A      4     -0.464487
B      3     -1.352535
       4     -1.678836
Dtype: float64

然后在特殊情况下，将
这个
处理成熊猫，或者仍然具有如下功能

def filterobj(obj, criterion):
    return obj[eval(str(criterion.subs({"this": "obj"})))]

（如果做了足够多的工作，我们可能会丢失
eval
，这只是概念的证明）

def filterobj(obj, fn):
    return obj[fn(obj)]

filterobj(df.xs('A')['II'] - df.xs('B')['II'], lambda x: x < 0)

>>> this
this
>>> this < 3
this < 3
>>> df[this < 3]
Traceback (most recent call last):
  File "<ipython-input-34-d5f1e0baecf9>", line 1, in <module>
    df[this < 3]
[...]
KeyError: u'no item named this < 3'

>>> tmp = df["I"] + df["II"]
>>> tmp[tmp < 0]
Alpha  Int
A      4     -0.464487
B      3     -1.352535
       4     -1.678836
Dtype: float64
>>> filterobj(df["I"] + df["II"], this < 0)
Alpha  Int
A      4     -0.464487
B      3     -1.352535
       4     -1.678836
Dtype: float64

tmp=df[“I”]+df[“II”]
>>>tmp[tmp<0]
阿尔法整数
A 4-0.464487
B 3-1.352535
4     -1.678836
数据类型：64
>>>过滤器bj（df[“I”]+df[“II”]，这<0）
阿尔法整数
A 4-0.464487
B 3-1.352535
4     -1.678836
数据类型：64

会有用的。我不确定这些是否值得头痛，不过，Python对这种风格不是很有帮助。
让我想起了他们试图用Bokeh复制ggplot的做法……不像在R中那样简单，它似乎只是使用
结果
的名称作为
tmp
；）
>>> tmp = df["I"] + df["II"]
>>> tmp[tmp < 0]
Alpha  Int
A      4     -0.464487
B      3     -1.352535
       4     -1.678836
Dtype: float64
>>> filterobj(df["I"] + df["II"], this < 0)
Alpha  Int
A      4     -0.464487
B      3     -1.352535
       4     -1.678836
Dtype: float64