Python 使用&；/np.where（）/np.any（）

我有一个数据框，看起来像：

   a A  a B  a C  a D  a E  a F  p A  p B  p C  p D  p E  p F
0    0    0    0    0    0    0    0    0    0    0    0    0
1    1    0    0    0    0    0    0    0    0    0    0    0
2    0    1    0    0    0    0    0    0    1    0    0    0
3    0    0    1    0    0    1    0    0    0    0    0    0
4    0    0    0    1    0    1    0    0    0    0    0    0
5    0    0    0    0    1    0    0    0    0    0    0    0
6    0    0    0    0    0    0    1    0    0    0    0    0

df = pd.DataFrame({'p A':[0,0,0,0,0,0,1],'p B':[0,0,0,0,0,0,0],'p C':[0,0,1,0,0,0,0],'p D':[0,0,0,0,0,0,0],'p E':[0,0,0,0,0,0,0],'p F':[0,0,0,0,0,0,0],'a A':[0,1,0,0,0,0,0],'a B':[0,0,1,0,0,0,0],'a C':[0,0,0,1,0,0,0],'a D':[0,0,0,0,1,0,0],'a E':[0,0,0,0,0,1,0],'a F': [0,0,0,1,1,0,0]})

注意：这是我实际数据的简化版本

a代表实际情况；p代表预测值；A-F表示一系列标签

我想写一个查询，对于我的数据帧中的每一行，当：（p columns中的所有行值=0）和（a columns中的至少一个行值=1）时返回True，即对于每一行，p columns固定为0，a column=1

使用和的答案 我目前通过使用

&

和

np.any（）

---

有没有一种更简洁易读的方法可以实现这一点？

您可以使用

~

来反转布尔掩码，并按位置选择：

print (~df.iloc[:,6:11].any(1) & df.iloc[:,0:6].any(1))
0    False
1     True
2    False
3     True
4     True
5     True
6    False
dtype: bool

或用于按列名选择，用于检查至少一个

True

，或用于检查每行是否所有值均

True

该函数用于与

0

进行比较

print (~df.filter(like='p').any(1) & df.filter(like='a').any(1))
0    False
1     True
2    False
3     True
4     True
5     True
6    False
dtype: bool

---

---

哪一个是最“Pythonic”/“Pandas”中使用最多的？这取决于您，但我更喜欢更多的

过滤器
解决方案，因为更具动态性-如果添加一些列，解决方案仍然可以完美工作。好的，太好了。谢谢
print (~df.filter(like='p').any(1) & df.filter(like='a').any(1))
0    False
1     True
2    False
3     True
4     True
5     True
6    False
dtype: bool

print (df.filter(like='p').eq(0).all(1) & df.filter(like='a').any(1))
0    False
1     True
2    False
3     True
4     True
5     True
6    False
dtype: bool