Python 通过isin将数据帧列有条件地放在标签引用的行值上

我有一个宽格式的熊猫数据帧。我希望根据行的值与列表的比较来对列进行子集划分（我希望通过其标签来引用该行）

例如考虑以下数据集：

import pandas as pd
import numpy as np
import random

y = pd.DataFrame({'one': pd.Series(random.sample(range(100), 5), index=list('abcde')),
                 'two': pd.Series(random.sample(range(100), 5),
                 index=list('abcde')),
                 'three': pd.Series(list('ABCDE'), index=list('abcde'))})

我有一组用于比较的值：

myset = {83, 17}

现在，假设我想要一个数据帧，其中我们有所有行，但只有列，其中行

'd'

在

myset

中有值

我期望的结果是：

但是，根据集合中的行标签和值，我在提取它时遇到困难

这给出了一个适当的布尔向量：

y.loc['d'].isin(myset)

然而，我无法使用该布尔值以我期望的方式进行子集划分，例如

y.iloc[:,y.loc['d'].isin(myset)]

ValueError:基于iLocation的布尔索引不能使用可索引的 假面

---

澄清：这个问题的一个重要标准是，我只是将感兴趣的行（上例中的“d”行）与

myset

进行比较。我不在乎其他行是否在

myset

中有值。

您可以使用

apply

获取掩码，然后

.loc

：

y.loc[:, y.apply(lambda col: col.d in myset)]

输出：

   one  two
a   76   94
b   46   36
c   28   86
d   83   17
e   15   98

---

您可以使用

apply

获取掩码，然后使用

.loc

：

y.loc[:, y.apply(lambda col: col.d in myset)]

输出：

   one  two
a   76   94
b   46   36
c   28   86
d   83   17
e   15   98

---

或者我们使用

replace

和

isnull

df.loc[:,df.replace(dict(zip(list(myset), [np.nan]*len(myset)))).isnull().any().values]
Out[907]: 
   one  two
a   76   94
b   46   36
c   28   86
d   83   17
e   15   98

编辑：

df.loc[:,df.loc[['d']].replace(dict(zip(list(myset), [np.nan]*len(myset)))).isnull().any().values]

---

或者我们使用

replace

和

isnull

df.loc[:,df.replace(dict(zip(list(myset), [np.nan]*len(myset)))).isnull().any().values]
Out[907]: 
   one  two
a   76   94
b   46   36
c   28   86
d   83   17
e   15   98

编辑：

df.loc[:,df.loc[['d']].replace(dict(zip(list(myset), [np.nan]*len(myset)))).isnull().any().values]

---

对于您的示例，一个更好的用例是其中一个数字列匹配而另一个不匹配，例如，

myset={83，16}

@andrew_-reece伟大的答案+1我有几乎相同的解决方案。对于您的示例，更好的用例是其中一个数字列匹配而另一个不匹配，例如，

myset={83，16}

@andrew_reece回答得很好+1我有几乎相同的解决方案。@Hack-R抱歉误解了问题，请检查edit@Hack-R抱歉误解了问题，请检查编辑