Python 如何更清晰地分割熊猫中的数据?
我有我输入到熊猫身上的税收数据,我想看看数据的某些部分,这样我就可以分析这部分人口。我这样做的方式是制作新的数据帧,就像这样Python 如何更清晰地分割熊猫中的数据?,python,pandas,Python,Pandas,我有我输入到熊猫身上的税收数据,我想看看数据的某些部分,这样我就可以分析这部分人口。我这样做的方式是制作新的数据帧,就像这样 new_df = old_tax_df[(old_tax_df.var_1 == 1) & (old_tax_df.var_2 == 1)] 有没有一种方法可以在不生成数据帧的情况下做到这一点,从而使代码更干净 一种方法- old_tax_df[(old_tax_df[['var_1','var_2']]==1).all(1)] 样本运行- In [68]:
new_df = old_tax_df[(old_tax_df.var_1 == 1) & (old_tax_df.var_2 == 1)]
有没有一种方法可以在不生成数据帧的情况下做到这一点,从而使代码更干净 一种方法-
old_tax_df[(old_tax_df[['var_1','var_2']]==1).all(1)]
样本运行-
In [68]: old_tax_df
Out[68]:
var_1 var_2 var_3 var_4
0 0 1 0 1
1 1 1 0 2
2 2 1 1 1
3 1 0 1 2
4 1 2 0 2
5 2 0 1 1
6 2 0 0 2
7 0 2 2 0
8 1 1 0 1
9 2 1 1 1
# Original code
In [69]: old_tax_df[(old_tax_df.var_1 == 1) & (old_tax_df.var_2 == 1)]
Out[69]:
var_1 var_2 var_3 var_4
1 1 1 0 2
8 1 1 0 1
# Proposed code
In [70]: old_tax_df[(old_tax_df[['var_1','var_2']]==1).all(1)]
Out[70]:
var_1 var_2 var_3 var_4
1 1 1 0 2
8 1 1 0 1
# Alternative using `.eq` to replace `==1`
In [76]: old_tax_df[old_tax_df[['var_1','var_2']].eq(1).all(1)]
Out[76]:
var_1 var_2 var_3 var_4
1 1 1 0 2
8 1 1 0 1
一种方法-
old_tax_df[(old_tax_df[['var_1','var_2']]==1).all(1)]
样本运行-
In [68]: old_tax_df
Out[68]:
var_1 var_2 var_3 var_4
0 0 1 0 1
1 1 1 0 2
2 2 1 1 1
3 1 0 1 2
4 1 2 0 2
5 2 0 1 1
6 2 0 0 2
7 0 2 2 0
8 1 1 0 1
9 2 1 1 1
# Original code
In [69]: old_tax_df[(old_tax_df.var_1 == 1) & (old_tax_df.var_2 == 1)]
Out[69]:
var_1 var_2 var_3 var_4
1 1 1 0 2
8 1 1 0 1
# Proposed code
In [70]: old_tax_df[(old_tax_df[['var_1','var_2']]==1).all(1)]
Out[70]:
var_1 var_2 var_3 var_4
1 1 1 0 2
8 1 1 0 1
# Alternative using `.eq` to replace `==1`
In [76]: old_tax_df[old_tax_df[['var_1','var_2']].eq(1).all(1)]
Out[76]:
var_1 var_2 var_3 var_4
1 1 1 0 2
8 1 1 0 1
让我们试试这个方法,它更具可读性:
new_df = old_tax_df.query('var_1 == 1 and var_2 == 1')
或者正如MaxU在评论中指出的那样
new_df = old_tax_df.query("var_1 == var_2 == 1")
也会起作用。让我们试试这个方法,它更具可读性:
new_df = old_tax_df.query('var_1 == 1 and var_2 == 1')
或者正如MaxU在评论中指出的那样
new_df = old_tax_df.query("var_1 == var_2 == 1")
也可以使用。使用.groupby
您可以使用groupby方法,然后访问这些组
groups = df.groupby(['var_1', 'var_2', 'var_3', 'var_4'])
groups.get_group((2, 0, 0, 2))
这是根据数据帧中的值将一个数据帧分割为多个数据帧的一种方法
使用.loc
将产生相同的结果,只是数据帧现在将在变量字段上建立索引
有关此主题的更多信息,请参见熊猫的文档页面。使用.groupby
您可以使用groupby方法,然后访问这些组
groups = df.groupby(['var_1', 'var_2', 'var_3', 'var_4'])
groups.get_group((2, 0, 0, 2))
这是根据数据帧中的值将一个数据帧分割为多个数据帧的一种方法
使用.loc
将产生相同的结果,只是数据帧现在将在变量字段上建立索引
有关此主题的更多信息,请参见Pandas的文档页面。欢迎使用Stack Overflow!您可以先学习并创建一个示例。这使我们更容易帮助您。欢迎使用堆栈溢出!您可以先学习并创建一个示例。我们可以做得更好:df.queryvar_1==var_2==1-使用query看起来很干净,很好!这个答案混合了两种语言。查询语言和python。这通常被认为是不好的做法和干净的代码标准的气味。.query方法可用于将GUI输入管道化到代码中,但不应在生产代码中使用-使用query看起来很干净,很好!这个答案混合了两种语言。查询语言和python。这通常被认为是不好的做法和干净的代码标准的气味。.query方法可用于将GUI输入到代码中,但不应在生产代码中使用。