Python 与大熊猫和熊猫的动态比较
我有一个字典,每个列都是Python 与大熊猫和熊猫的动态比较,python,pandas,Python,Pandas,我有一个字典,每个列都是数据帧中的一个键,比如: dict = {"colA":1,"colB":1,"colC":1} 使用colA、colB、colC,我的数据帧的列将被删除 我想做一些类似的事情: df.loc[(df["colA"] < = dict["colA"]) & (df["colB"] < = dict["colB"]) & (df["colC"] < = dict["colC"])] df.loc[(df[“colA”]
数据帧中的一个键,比如:
dict = {"colA":1,"colB":1,"colC":1}
使用colA、colB、colC,我的数据帧的列将被删除
我想做一些类似的事情:
df.loc[(df["colA"] < = dict["colA"]) & (df["colB"] < = dict["colB"]) & (df["colC"] < = dict["colC"])]
df.loc[(df[“colA”]<=dict[“colA”])和(df[“colB”]<=dict[“colB”])和(df[“colC”]<=dict[“colC”])]
但是动态地(我不知道dict的长度/列数)
是否有一种方法可以使用动态数量的参数执行&
?您可以使用:
from functools import reduce
df = pd.DataFrame({'colA':[1,2,0],
'colB':[0,5,6],
'colC':[1,8,9]})
print (df)
colA colB colC
0 1 0 1
1 2 5 8
2 0 6 9
d = {"colA":1,"colB":1,"colC":1}
a = df[(df["colA"] <= d["colA"]) & (df["colB"] <= d["colB"]) & (df["colC"] <= d["colC"])]
print (a)
colA colB colC
0 1 0 1
另一种解决方案是使用andreduce
创建遮罩,并使用列表理解
创建应用条件:
print ([df[x] <= d[x] for x in df.columns])
[0 True
1 False
2 True
Name: colA, dtype: bool, 0 True
1 False
2 False
Name: colB, dtype: bool, 0 True
1 False
2 False
Name: colC, dtype: bool]
mask = reduce(np.logical_and, [df[x] <= d[x] for x in df.columns])
print (mask)
0 True
1 False
2 False
Name: colA, dtype: bool
print (df[mask])
colA colB colC
0 1 0 1
print([df[x]这里有一个类似SQL的解决方案,它使用以下方法:
数据:
解决方案:
In [20]: dct = {"colA":4,"colB":4,"colC":4}
In [21]: qry = ' and '.join(('{0[0]} <= {0[1]}'.format(tup) for tup in dct.items()))
In [22]: qry
Out[22]: 'colB <= 4 and colA <= 4 and colC <= 4'
In [24]: df.query(qry)
Out[24]:
colA colB colC
3 3 0 2
7 0 4 1
[20]中的dct={“colA”:4,“colB”:4,“colC”:4}
在[21]中:qry='and'.join({0[0]}
In [23]: df
Out[23]:
colA colB colC
0 2 2 5
1 3 0 8
2 5 9 2
3 3 0 2
4 9 1 3
5 7 5 6
6 7 8 0
7 0 4 1
8 8 2 6
9 9 6 7
In [20]: dct = {"colA":4,"colB":4,"colC":4}
In [21]: qry = ' and '.join(('{0[0]} <= {0[1]}'.format(tup) for tup in dct.items()))
In [22]: qry
Out[22]: 'colB <= 4 and colA <= 4 and colC <= 4'
In [24]: df.query(qry)
Out[24]:
colA colB colC
3 3 0 2
7 0 4 1