Python Pandas DataFrame：在多列条件下对数据帧进行编程行拆分 上下文

我正在处理一个数据帧

df

，其中有很多列填充了数值

df
lorem ipsum  |  dolor sic  |  ...  |  (hundreds of cols)
---------------------------------------------------------
0.5          |     -6.2    |  ...  | 79.8
-26.1        |     6200.0  |  ...  | -65.2
150.0        |     3.14    |  ...  | 1.008

换句话说，我有一个列的列表：

list_cols = ['lorem ipsum', 'dolor sic', ... ]  # arbitrary length, of course len(list_cols ) <= len(df.columns), and contains valid columns of my df

---

我不想为自己编写这种代码：

negative_values_matches = df[ (criterion1 | criterion2 | ... | criterionn)]
positive_values_matches = df[~(criterion1 | criterion2 | ... | criterionn)]

（其中，

criterionk

是对列

k

的布尔求值，例如：

（df[col\u k]>=0）

，此处使用括号，因为其语法是正确的）

我们的想法是采用一种程序化的方法。 我主要寻找布尔数组，这样我就可以使用布尔索引（请参阅）

据我所知，这些帖子并不完全是我所说的：

• 这个离我要找的有点近。然而，它依赖于生成一个可能无法与“外来”列名（空格）一起工作的字符串（或者至少我不知道如何做）

我不知道如何使用

或

操作符将数据帧上的布尔值全部链接起来，并获得正确的行分割

---

我能做什么？

经过几次尝试，我终于实现了目标

代码如下：

import Pandas
import numpy
# assume dataframe exists
df = ...
# initiliaze an array of False, matching df number of rows
resulting_bools = numpy.zeros((1, len(df.index)), dtype=bool)

for col in list_cols:
    # obtain array of booleans for given column and boolean condition for [row, column] value
    criterion = df[col].map(lambda x: x < 0) # same condition for each column, different conditions would have been more difficult (for me)

     # perform cumulative boolean evaluation accross columns
    resulting_bools |= criterion

# use the array of booleans to build the required df
negative_values_matches = df[ resulting_bools].copy() # use .copy() to avoid further possible warnings from Pandas depending on what you do with your data frame
positive_values_matches = df[~resulting_bools].copy()

导入熊猫
进口numpy
#假设数据帧存在
df=。。。
#初始化与行数匹配的False数组
结果布尔=numpy.zeros（（1，len（df.index）），dtype=bool）
对于列表中的列：
#获取给定列的布尔值数组和[row，column]值的布尔条件
criteria=df[col].map（λx:x<0）#每个列的条件相同，不同的条件会更难（对我来说）
#跨列执行累积布尔求值
结果_bools |=标准
#使用布尔数组构建所需的df
负值\u matches=df[resulting\u bools].copy（）#根据您对数据帧的操作，使用.copy（）避免熊猫发出进一步的警告
正值匹配=df[~结果值].copy（）

这样，我成功地获得了2个数据帧：

• 对于

  列表中至少一列的值<0的所有行，1

• 1与所有其他行（对于

  列表中的每个列，值>=0）

（数组初始化为False取决于布尔求值选项）

---

注：该方法可与其他方法相结合。待确认

import Pandas
import numpy
# assume dataframe exists
df = ...
# initiliaze an array of False, matching df number of rows
resulting_bools = numpy.zeros((1, len(df.index)), dtype=bool)

for col in list_cols:
    # obtain array of booleans for given column and boolean condition for [row, column] value
    criterion = df[col].map(lambda x: x < 0) # same condition for each column, different conditions would have been more difficult (for me)

     # perform cumulative boolean evaluation accross columns
    resulting_bools |= criterion

# use the array of booleans to build the required df
negative_values_matches = df[ resulting_bools].copy() # use .copy() to avoid further possible warnings from Pandas depending on what you do with your data frame
positive_values_matches = df[~resulting_bools].copy()