Python 数据帧列的布尔掩码

我的目标是使用布尔掩码从DataFrame中获取有用的列

我尝试这样一段代码：

df = pd.DataFrame({'a': [1,2,3,4,5], 'b': [101, 101, 102, 101, 102], 'c': [23, 12, 54, 65, 21]})
mask = [True, False, True]
df.columns[mask]

结果就是我真正需要的：

Index([u'a', u'c'], dtype='object')

然后我尝试了相同的代码，但使用了另一个掩码：

mask_i = [1, 0, 1]

df = pd.DataFrame({'a': [1,2,3,4,5], 'b': [101, 101, 102, 101, 102], 'c': [23, 12, 54, 65, 21]})
mask_i = [1, 0, 1]
df.columns[mask]

我期望得到相同的结果，但得到了所有索引：

Index([u'b', u'a', u'b'], dtype='object')

然后我检查：

mask_i = [1, 0, 1]
mask = [True, False, True]
print mask == mask_i`

# Result: `True`

---

谁能解释一下为什么掩码是相等的，但我得到的结果不同。

这是因为Pandas将布尔切片视为掩码，而将整数切片视为查找。在您的示例中，您可以看到

列[[1,0,1]]

查找第二列，然后是第一列，然后是第二列：

[“b”，“a”，“b”]

要将整数索引转换为布尔值，您可以使用：

>>> np.array([1, 0, 1]).astype(bool)
array([ True, False,  True], dtype=bool)
>>> map(bool, [1, 0, 1])
[True, False, True]

---

这是因为Pandas使用将布尔切片视为掩码，而将整数切片视为查找。在您的示例中，您可以看到

列[[1,0,1]]

查找第二列，然后是第一列，然后是第二列：

[“b”，“a”，“b”]

要将整数索引转换为布尔值，您可以使用：

>>> np.array([1, 0, 1]).astype(bool)
array([ True, False,  True], dtype=bool)
>>> map(bool, [1, 0, 1])
[True, False, True]

---

检查此问题并回答：布尔索引！=整数索引

df.columns[[1,0,1]]

将返回具有以下索引的列列表：

[1,0,1]

检查此问题并接受回答：布尔索引！=整数索引

df.columns[[1,0,1]]

将返回包含以下索引的列列表：

[1,0,1]