Python 按数组numpy过滤

我正在尝试用我收集的另一个数组（具有相同的值）筛选我的数据数组

我的主要路线看起来像

[['Name' 'Col1' 'Count']
 ['test' '' '413']
 ['erd' ' ' '60']
 ..., 
 ['Td1' 'f' '904']
 ['Td2' 'K' '953']
 ['Td3' 'r' '111']]

我还有一张名单，上面有各种匹配的名字

names = ['Td1','test','erd']

我想做什么

我想使用列表名作为对上述数据集的筛选

我尝试过的

name_filter = main_ndarray[:,0] == names

这行不通

我所期望的

[['Name' 'Col1' 'Count']
 ['test' '' '413']
 ['erd' ' ' '60']
 ['Td1' 'f' '904']]

---

您也可以使用

过滤器

功能

cats_array = numpy.array(
 [['Name' ,'Col1', 'Count'],
 ['test', '' ,'413'],
 ['erd' ,' ' ,'60'],
 ['Td1' ,'f' ,'904'],
 ['Td2' ,'K' ,'953'],
 ['Td3' ,'r', '111']]
 )

 names = ['Td1','test','erd']

 filter(lambda x: x[0] in names, cats_array)

给出：

[array(['test', '', '413'],
       dtype='|S5'), array(['erd', ' ', '60'],
       dtype='|S5'), array(['Td1', 'f', '904'],
       dtype='|S5')]

---

您也可以使用

过滤器

功能

cats_array = numpy.array(
 [['Name' ,'Col1', 'Count'],
 ['test', '' ,'413'],
 ['erd' ,' ' ,'60'],
 ['Td1' ,'f' ,'904'],
 ['Td2' ,'K' ,'953'],
 ['Td3' ,'r', '111']]
 )

 names = ['Td1','test','erd']

 filter(lambda x: x[0] in names, cats_array)

给出：

[array(['test', '', '413'],
       dtype='|S5'), array(['erd', ' ', '60'],
       dtype='|S5'), array(['Td1', 'f', '904'],
       dtype='|S5')]

---

考虑将熊猫用于此类数据：

import pandas as pd

data = [['Name', 'Col1', 'Count'],
        ['test', '', '413'],
        ['erd', ' ', '60'],
        ['Td1', 'f', '904'],
        ['Td2', 'K', '953'],
        ['Td3', 'r', '111']]

df = pd.DataFrame(data[1:], columns=data[0])
names = ['Td1','test','erd']
result = df[df.Name.isin(names)]

结果:

>>> df
   Name Col1 Count
0  test        413
1   erd         60
2   Td1    f   904
3   Td2    K   953
4   Td3    r   111
>>> result
   Name Col1 Count
0  test        413
1   erd         60
2   Td1    f   904
>>>

参考资料

---

考虑将熊猫用于此类数据：

import pandas as pd

data = [['Name', 'Col1', 'Count'],
        ['test', '', '413'],
        ['erd', ' ', '60'],
        ['Td1', 'f', '904'],
        ['Td2', 'K', '953'],
        ['Td3', 'r', '111']]

df = pd.DataFrame(data[1:], columns=data[0])
names = ['Td1','test','erd']
result = df[df.Name.isin(names)]

结果:

>>> df
   Name Col1 Count
0  test        413
1   erd         60
2   Td1    f   904
3   Td2    K   953
4   Td3    r   111
>>> result
   Name Col1 Count
0  test        413
1   erd         60
2   Td1    f   904
>>>

参考资料

---

我也会选择@YXD的熊猫解决方案，但为了完整起见，我还提供了一个基于列表理解的简单解决方案：

data = [['Name', 'Col1', 'Count'],
 ['test', '', '413'],
 ['erd', ' ', '60'],
 ['Td1', 'f', '904'],
 ['Td2', 'K', '953'],
 ['Td3', 'r', '111']]

names = ['Td1', 'test', 'erd']

# select all sublist of data
res = [l for l in data if l[0] in names]

# insert the first row of data
res.insert(0, data[0]) 

这将为您提供所需的输出：

[['Name', 'Col1', 'Count'],
 ['test', '', '413'],
 ['erd', ' ', '60'],
 ['Td1', 'f', '904']]

---

我也会使用@YXD的Pandas解决方案，但为了完整起见，我还提供了一个基于列表理解的简单解决方案：

data = [['Name', 'Col1', 'Count'],
 ['test', '', '413'],
 ['erd', ' ', '60'],
 ['Td1', 'f', '904'],
 ['Td2', 'K', '953'],
 ['Td3', 'r', '111']]

names = ['Td1', 'test', 'erd']

# select all sublist of data
res = [l for l in data if l[0] in names]

# insert the first row of data
res.insert(0, data[0]) 

这将为您提供所需的输出：

[['Name', 'Col1', 'Count'],
 ['test', '', '413'],
 ['erd', ' ', '60'],
 ['Td1', 'f', '904']]

---

那么出于好奇，我现在该怎么处理这个数组呢？它没有保留“常规”格式。它现在有了这个数据类型，索引1中的值与连续的数据类型完全分离array@cat您可以使用

map（lambda:list（a）、filter（names中的lambda x:x[0]，cats_数组））

来保持类似列表的格式。如果您这样做，您的答案将是

[['test'、''413']、['erd'、''60']、['Td1'、'f'、'904']

，那么出于好奇，我现在该如何处理该数组呢？它没有保留“常规”格式。它现在有了这个数据类型，索引1中的值与连续的数据类型完全分离array@cat您可以使用

map（lambda:list（a）、filter（names中的lambda x:x[0]，cats_数组））

来保持类似列表的格式。如果您这样做，您的答案将是

[['test'、''413']、['erd'、''60']、['Td1'、'f'、'904']