Python 从字典中筛选数据集键和值

假设我有一个

pd.DataFrame

：

df = pd.DataFrame({'Press':['A', 'B', 'A', 'B', 'A'],
                   'Model':[1, 2 ,2 , 2, 1],
                   'Count':[1, 1 ,1 , 1, 1]})

排序之后，我只想保持数据匹配

somedict={'A'：2，'B'：2}

。（按键=按下，值=型号）

---

是否有一种简单的方法只保留索引

[1,2,3]

？

这里使用

合并

s=pd.Series(somedict).to_frame('Model').rename_axis('Press').reset_index()
yourdf=df.merge(s)
Out[231]: 
  Press  Model  Count
0     B      2      1
1     B      2      1
2     A      2      1

---

下面是使用

map

和

query

的另一种方法：

df.assign(match=df.Press.map(somedict)).query('Model==match').drop('match',1)

---

---

另一种方法是使用

agg

columns

按
和
Model
到一系列元组，并使用
somedict.items（）
上的
isin
创建带有和
.loc
的掩码以切片所需行

m = df[['Press', 'Model']].agg(tuple, axis=1).isin(somedict.items())
df.loc[m]

Out[785]:
  Press  Model  Count
1  B     2      1
2  A     2      1
3  B     2      1

你能把你看到的和你想看到的贴出来吗？还有，到目前为止你尝试了什么？如果结果真的是一个dict，你可以加上s.th。比如：
somedict=pd.Series（yourdf.Model.values，index=yourdf.Press）。to_dict（）
right？@skymon是的，添加dict比我的解决方案要好得多：
keys=[k+'-'+str（v）for k，v in somedict.items（）
然后
df['key']=df['Press'+'-'+df['Model']。应用（lambda x:str（x））/code>最后
df[df['key'].isin（键）
我喜欢
map
和
query
。它看起来干净漂亮：）+1
m = df[['Press', 'Model']].agg(tuple, axis=1).isin(somedict.items())
df.loc[m]

Out[785]:
  Press  Model  Count
1  B     2      1
2  A     2      1
3  B     2      1