Python 按索引在表中选择行的多个部分
我有一个带有GPS路径和一些属性的大数据帧。我需要分析路径的几个部分。我只想将这些部分子集到一个新的数据帧中。我可以一次对一个部分进行子集划分,但我的想法是将它们全部包含在一起,并创建一个原始索引 问题类似于:Python 按索引在表中选择行的多个部分,python,pandas,slice,Python,Pandas,Slice,我有一个带有GPS路径和一些属性的大数据帧。我需要分析路径的几个部分。我只想将这些部分子集到一个新的数据帧中。我可以一次对一个部分进行子集划分,但我的想法是将它们全部包含在一起,并创建一个原始索引 问题类似于: import pandas as pd df = pd.DataFrame({'A':[0,1,2,3,4,5,6,7,8,9],'B':['a','b','c','d','e','f','g','h','i','j']}, index=range(
import pandas as pd
df = pd.DataFrame({'A':[0,1,2,3,4,5,6,7,8,9],'B':['a','b','c','d','e','f','g','h','i','j']},
index=range(10,20,))
我想得到这样的东西:
cdf = df.loc[[11:13] & [17:20]] # SyntaxError: invalid syntax
预期结果:
A B
11 1 b
12 2 c
13 3 d
17 7 h
18 8 i
19 9 j
我知道使用
cdf=df.loc[[11,12,13,17,18,19],:]这个例子很简单,但是在最初的问题中,我已经删除了数千行和一些条目,因此列表点不是一个选项。一个可能的解决方案是:
另一种具有范围的解决方案
:
cdf = df.ix[list(range(11,14)) + list(range(17,20))]
print (cdf)
A B
11 1 b
12 2 c
13 3 d
17 7 h
18 8 i
19 9 j
您可以使用来连接切片:
In [16]: df.loc[np.r_[11:13, 17:20]]
Out[16]:
A B
11 1 b
12 2 c
17 7 h
18 8 i
19 9 j
然而,请注意
df.loc[A:B]
通过B
选择包含B
的标签A
。
np.r\u[A:B]
返回A
到B
的数组,其中B
被排除。要包含B
,您需要使用np.r\A:B+1]
当传递一个切片时,例如df.loc[a:B]
,df.loc
忽略不在df.index
中的标签。相反,当传递一个数组时,例如df.loc[np.r\A:B]
,df.loc
可能会为数组中不在df.index
中的每个值添加一个用NaN填充的新行
因此,为了产生所需的结果,您需要调整切片的右端点,并使用isin
测试df.index
中的成员资格:
In [26]: df.loc[df.index.isin(np.r_[11:14, 17:21])]
Out[26]:
A B
11 1 b
12 2 c
13 3 d
17 7 h
18 8 i
19 9 j
谢谢,有趣的解决方案
In [26]: df.loc[df.index.isin(np.r_[11:14, 17:21])]
Out[26]:
A B
11 1 b
12 2 c
13 3 d
17 7 h
18 8 i
19 9 j