Python 带列表理解的数据帧条件选择

我有一个名为0,1,2，…，14的15列数据框。我想写一个方法，可以接受这个数据，长度为15的向量。我希望它返回基于我传递的向量有条件选择的数据帧。例如，传递的数据是data_u，传递的向量是v_ 我想提出：

data[(data[0] == v_[0]) & (data[1] == v_[1]) & ... & (data[14] == v_[14])]

但是，我希望该方法灵活，例如，我可以传入名为0、…、99的100列数据帧和长度为99的向量。我的问题是，我不知道如何通过编程巧妙地创建

[（数据[0]==v_[0]）&（数据[1]==v_[1]）&…&（数据[14]==v_[14]）]

来解释“&”符号。同样，如果有人给了我一种方法，可以将多个NxM矩阵合并成单个MxN矩阵，其中填充了“and”和“or”的True和False

多谢各位

这可能有效：

data[(data==v_.transpose())].dropna(axis=1)

您可以尝试以下方法：

def custom_filter(data, v):
    if len(data.columns) == len(v):
        # If data has the same number of columns
        #  as v has elements
        mask = (data == v).all(axis=1)
    else:
        # If they have a different length, we'll need to subset
        #  the data first, then create our mask
        #  This attempts to susbet the dataframe by assuming columns
        #    0 .. len(v) - 1 exist as columns, and will throw an error
        #    otherwise
        colnames = list(range(len(v)))
        mask = (data[colnames] == v).all(axis=1)
    
    return data.loc[mask, :]

---

请注意，使用此函数，如果列数与向量

v

的长度完全匹配，则无需确保列标记为

0，1，2，…，len（v）-1

。但是，如果您的列多于v的元素，则需要确保这些列的子集被标记为

0，1，2，…，len（v）-1。如果

v`的长度大于数据帧中的列数，则会引发错误。

如果v_u是与列数相同大小的数组，则可以尝试

data[（data==v_u）.all（axis=1）]

df = pd.DataFrame({
    "F": list("hiadsfin"),
    0: list("aaaabbbb"),
    1: list("cccdddee"),
    2: list("ffgghhij")
})
v = ["a", "c", "f"]

df
   F  0  1  2  H
0  h  a  c  f  1
1  i  a  c  f  2
2  a  a  c  g  3
3  d  a  d  g  4
4  s  b  d  h  5
5  f  b  d  h  6
6  i  b  e  i  7
7  n  b  e  j  8

custom_filter(df, v)
   F  0  1  2  H
0  h  a  c  f  1
1  i  a  c  f  2