Python 根据dataframe中列表列的条件筛选和删除行

下面是我正在处理的一个更大的数据帧的示例

import pandas as pd

data = {"Trial": ['Trial_1', 'Trial_2', 'Trial 3', 'Trial 4'], "Results" : [[['a', 11.0, 1, 1.0], ['b', 12.0, 0, 6.0], ['c', 2.6, 0, 3.0]], [['d', 7.3, 1, 8.0], ['e', 13.0, 0, 5.0], ['f', 8.6, 0, 3.0]],
                                                                           [['g', 9.1, 1, 1.0], ['h', 10.0, 0, 7.0], ['i', 95.6, 0, 5.0]], [['j', 6.6, 1, 1.0], ['k', 14.0, 0, 3.0], ['l', 8.1, 0, 9.0]]]}

df = pd.DataFrame(data)

2查询

我想过滤df，以便仅在列表的结果列列表中包含索引2==1处的项和索引3处的项的位置显示行1.在该示例中，该过滤器仅显示试验2，因为项目['d'，7.3，1，8.0]的索引2项目等于1.0，但索引3项目等于8.0

过滤后的期望输出如下所示

Index        Trial        Results
  1         Trial_2       [[d, 7.3, 1, 8.0], [e, 13.0, 0, 5.0], [f, 8.6, 0, 3.0]] 

然后如何删除查询1中所述条件为True的行。因此，数据帧现在将删除试用_2，输出将被删除

索引试验结果 0试验1[[a，11.0，1，1.0]，[b，12.0，0，6.0]，[c，2.6，0，3.0]] 2试验3[[g，9.1，1，1.0]，[h，10.0，0，7.0]，[i，95.6，0，5.0]] 3试验4[[j，6.6，1，1.0]，[k，14.0，0，3.0]，[l，8.1，0，9.0]]

我在下面有一个列表理解，它输出条件为True的各个项目，但不确定如何将其作为df上的过滤器应用，然后将其用作条件删除行

[place for places in df['Results'] for place in places if place[2] == 1 and place[3] != 1]

---

下面的函数收集条件的索引，然后您可以使用索引列表获取与条件匹配的数据帧，或者获取删除符合条件的行的数据帧。在每行上使用apply（）并遍历列表列表。如果第一个列表符合条件，则可以清除for循环，而不必根据其余列表完成for循环，但我没有深入到练习中

idxs = [] # for collecting indices
def loop_results(x):
    for res in x['Results']:
        if res[2] ==1 and res[3] != 1:
            idxs.append(x.name) # here, .name is the index value

df_temp = df.apply(loop_results, axis=1) # apply the function to each row
idxs = list(set(idxs)) # if there are duplicates, set() will remove them

df_match = df.loc[idxs] # matched criteria
df_unmatched = df.drop(idxs, axis=0) # drops rows matching criteria

---

下面的函数收集条件的索引，然后您可以使用索引列表获取与条件匹配的数据帧，或者获取删除符合条件的行的数据帧。在每行上使用apply（）并遍历列表列表。如果第一个列表符合条件，则可以清除for循环，而不必根据其余列表完成for循环，但我没有深入到练习中

idxs = [] # for collecting indices
def loop_results(x):
    for res in x['Results']:
        if res[2] ==1 and res[3] != 1:
            idxs.append(x.name) # here, .name is the index value

df_temp = df.apply(loop_results, axis=1) # apply the function to each row
idxs = list(set(idxs)) # if there are duplicates, set() will remove them

df_match = df.loc[idxs] # matched criteria
df_unmatched = df.drop(idxs, axis=0) # drops rows matching criteria

---

您可以使用

query\u check

对

结果使用
apply
，您可以根据过滤逻辑中的任何更改进一步修改


import pandas as pd

data = {"Trial": ['Trial_1', 'Trial_2', 'Trial 3', 'Trial 4'], "Results" : [[['a', 11.0, 1, 1.0], ['b', 12.0, 0, 6.0], ['c', 2.6, 0, 3.0]], [['d', 7.3, 1, 8.0], ['e', 13.0, 0, 5.0], ['f', 8.6, 0, 3.0]],
                                                                           [['g', 9.1, 1, 1.0], ['h', 10.0, 0, 7.0], ['i', 95.6, 0, 5.0]], [['j', 6.6, 1, 1.0], ['k', 14.0, 0, 3.0], ['l', 8.1, 0, 9.0]]]}

df = pd.DataFrame(data)

def query_check(inp):
    for i,lst in enumerate(inp.values):
        if isinstance(lst,list):
            if lst[i][2] == 1 and lst[i][3] != 1:
               return True
    return False
    
    
df['Flag'] = df[['Results']].apply(query_check,axis=1)

一旦创建了
标志
列，就可以进行进一步筛选-

查询-1

查询-2

您可以使用
query\u check
对
结果使用
apply
，您可以根据过滤逻辑中的任何更改进一步修改


import pandas as pd

data = {"Trial": ['Trial_1', 'Trial_2', 'Trial 3', 'Trial 4'], "Results" : [[['a', 11.0, 1, 1.0], ['b', 12.0, 0, 6.0], ['c', 2.6, 0, 3.0]], [['d', 7.3, 1, 8.0], ['e', 13.0, 0, 5.0], ['f', 8.6, 0, 3.0]],
                                                                           [['g', 9.1, 1, 1.0], ['h', 10.0, 0, 7.0], ['i', 95.6, 0, 5.0]], [['j', 6.6, 1, 1.0], ['k', 14.0, 0, 3.0], ['l', 8.1, 0, 9.0]]]}

df = pd.DataFrame(data)

def query_check(inp):
    for i,lst in enumerate(inp.values):
        if isinstance(lst,list):
            if lst[i][2] == 1 and lst[i][3] != 1:
               return True
    return False
    
    
df['Flag'] = df[['Results']].apply(query_check,axis=1)

一旦创建了
标志
列，就可以进行进一步筛选-

查询-1

查询-2

非常感谢，特别是对您的评论，包括非常感谢，特别是对您的评论，包括非常感谢，这也很有效。非常感谢，这也很有效