Python 在数据帧中给定一个pd.Interval列,根据区间范围内的值进行筛选

Python 在数据帧中给定一个pd.Interval列,根据区间范围内的值进行筛选,python,pandas,dataframe,Python,Pandas,Dataframe,我想给数据帧中的每一行分配一个间隔,这样所有行就不会重叠,并且覆盖整个可能的范围。因此,我可以根据给定间隔内的值筛选行 我使用了pd.Interval,但当我尝试“正常”筛选时,它不起作用: df=pd.DataFrame({“评级”:[“差”、“平均”、“好”], “星号”:[pd.间隔(左=0,右=2,闭合=“左”), pd.间隔(左=2,右=4,闭合=“左”), pd.Interval(左=4,右=5,closed=“both”)]} 星值=2.5 过滤的_df=df[星_值在df.sta

我想给数据帧中的每一行分配一个间隔,这样所有行就不会重叠,并且覆盖整个可能的范围。因此,我可以根据给定间隔内的值筛选行

我使用了
pd.Interval
,但当我尝试“正常”筛选时,它不起作用:

df=pd.DataFrame({“评级”:[“差”、“平均”、“好”],
“星号”:[pd.间隔(左=0,右=2,闭合=“左”),
pd.间隔(左=2,右=4,闭合=“左”),
pd.Interval(左=4,右=5,closed=“both”)]}
星值=2.5
过滤的_df=df[星_值在df.stars中]
它给出了以下错误:

KeyError                                  Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/pandas/core/indexes/base.py in get_loc(self, key, method, tolerance)
   2656             try:
-> 2657                 return self._engine.get_loc(key)
   2658             except KeyError:

pandas/_libs/index.pyx in pandas._libs.index.IndexEngine.get_loc()

pandas/_libs/index.pyx in pandas._libs.index.IndexEngine.get_loc()

pandas/_libs/hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()

pandas/_libs/hashtable_class_helper.pxi in pandas._libs.hashtable.PyObjectHashTable.get_item()

KeyError: False
工作代码应给出以下结果:

评级明星
1平均值[2,4]
您可以使用它:

filtered=[]
for i in df.index:   
    filtered.append(stars_val in df.stars[i])
filtered_df=df[filtered]
输出:

    rating  stars
1   average [2, 4)
False
[False, True, False]

说明:

stars_val in df.stars
输出:

    rating  stars
1   average [2, 4)
False
[False, True, False]
请记住,您需要一个布尔值列表来过滤df, 执行我的代码后,您将获得:

filtered
输出:

    rating  stars
1   average [2, 4)
False
[False, True, False]

因此,
df[filtered]
有效,因为列表的长度与数据帧的列的长度匹配。stars是一个系列。您要检查
stars\u val
是否在系列的每个间隔中

filtered_df = df[[stars_val in x for x in df.stars]]

    rating   stars
1  average  [2, 4)

如果您的所有时间间隔都是相同的
关闭的
,那么您的列将由一个备份,您可以使用该方法进行矢量化实现:

In [2]: np.random.seed(123)

In [3]: start = np.random.randint(100, size=1000)

In [4]: ia = pd.arrays.IntervalArray.from_arrays(start, start + 5)

In [5]: df = pd.DataFrame({'A': list('abcde') * 200, 'B': ia})

In [6]: df.head()
Out[6]: 
   A          B
0  a   (66, 71]
1  b   (92, 97]
2  c  (98, 103]
3  d   (17, 22]
4  e   (83, 88]

In [7]: df[df['B'].array.contains(70)]
Out[7]: 
     A         B
0    a  (66, 71]
20   a  (68, 73]
23   d  (67, 72]
27   c  (66, 71]
45   a  (69, 74]
87   c  (67, 72]
111  b  (65, 70]
128  d  (68, 73]
133  d  (65, 70]
135  a  (67, 72]
155  a  (65, 70]
177  c  (69, 74]
193  d  (67, 72]
217  c  (69, 74]
221  b  (66, 71]
223  d  (69, 74]
227  c  (66, 71]
243  d  (66, 71]
250  a  (67, 72]
251  b  (65, 70]
263  d  (68, 73]
407  c  (65, 70]
419  e  (69, 74]
425  a  (65, 70]
446  b  (69, 74]
449  e  (69, 74]
451  b  (66, 71]
523  d  (66, 71]
552  c  (68, 73]
589  e  (66, 71]
609  e  (69, 74]
613  d  (68, 73]
627  c  (69, 74]
637  c  (68, 73]
650  a  (67, 72]
674  e  (69, 74]
711  b  (69, 74]
769  e  (67, 72]
777  c  (69, 74]
800  a  (66, 71]
803  d  (68, 73]
818  d  (69, 74]
822  c  (67, 72]
883  d  (66, 71]
889  e  (68, 73]
944  e  (67, 72]
953  d  (69, 74]
966  b  (65, 70]

混合
closed
间隔会导致
对象
数组,因此您需要使用@ALollz建议的效率较低的实现。

感谢您的详细解释。我更喜欢@ALollz,因为它是一个单行程序,可以更容易地与其他操作符一起使用以进行额外过滤。