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Python 按数组numpy过滤,python,numpy,scipy,Python,Numpy,Scipy,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' '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
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
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']