Python 如何根据分类变量的条件对数据帧进行子集

我的目标

我正在努力根据分类变量S11AQ1A20的内容创建数据帧的子集。在我遇到的所有howto中，分类变量都包含字符串数据，但在我的例子中，它是具有特定含义的整数值（YES=1，NO=0，9=Unknown）。因此，我添加了类别，以便熊猫能够正确地标记这些值

理想情况下，下面示例代码中的情况A和B在完成子集设置后将包含5行。但目前，它只有在不标记整数值的情况下才起作用

到目前为止我已经知道了什么

• 案例B显示，在使用以下行添加类别时，子分类ins不会像EXPECTED那样执行：

df.S11AQ1A20=df.S11AQ1A20.cat.rename_类别（['Yes'，'No'，'Unknown'））

样本数据集

用于测试的样本数据集（nesarc_short.csv）可在以下位置找到：

示例代码：

dataset_path = 'nesarc_short.csv'
df = pd.read_csv(dataset_path, low_memory=False, na_values=' ')

print('CASE A: NUMERICAL -> working\n')

df = pd.read_csv(dataset_path, low_memory=False, na_values=' ')

print("A: Rows before: " + str(len(df.S11AQ1A20))) # Outputs: 100

df = df[(df.S11AQ1A20 == 1)]

print("A: Rows after: " + str(len(df.S11AQ1A20))) # Outputs: 5


###############################################################


print('\nCASE B: CATEGORICAL -> Not working\n')

df = pd.read_csv(dataset_path, low_memory=False, dtype={ 'S11AQ1A20' : 'category' }, na_values=' ')

# If this is commented out, the subsetting works but no labels will be available
df.S11AQ1A20 = df.S11AQ1A20.cat.rename_categories(['Yes', 'No', 'Unknown'])

print("B: Rows before: " + str(len(df.S11AQ1A20))) # Outputs: 100

df = df[(df.S11AQ1A20 == 'YES') | (df.S11AQ1A20 == '1') | (df.S11AQ1A20 == 1)]

print("B: Rows after: " + str(len(df.S11AQ1A20))) # Outputs: 0

控制台输出

案例A：数字->工作

A:前几行：100

A:后面的行：5

---

案例B：分类->不工作

B:100之前的行

B:0之后的行

---

如果您提交一份包含一些用于演示的数据的报告，以便能够复制您的问题，这将非常有用。还请注意，您的检查

df_helper.df['S12Q2A12']==1

与

df_helper.df['S12Q2A12']=='YES'

非常不同，因为第一个是比较整数，而另一个是比较字符串。这实际上取决于要使用哪个筛选器的列中的数据。关于使用条件从数据帧中选择行，有很多问题。如果你看看其中的一些，并解释为什么它们不能解决你的问题，这会很有帮助。MWE也是至关重要的。现在投票关闭，当你更新问题时将收回。好的，我将更新帖子，并尝试使问题更具可复制性python中的字符串比较区分大小写（

'Yes'！='Yes'

），因此请尝试

df[（df.S11AQ1A20='Yes'））…

@Parfait你说得很对：）我有点错过了树木的森林。如果你提交一份包含一些数据的演示文件，以便可以复制你的问题，那会很有帮助。还要注意，你的检查

df_helper.df['S12Q2A12']==1

与

df_helper.df['S12Q2A12']=='YES'

因为第一个比较整数，而另一个比较字符串。这实际上取决于要使用哪个筛选器的列中的数据。关于使用条件选择数据帧中的行，有很多问题。如果您查看其中一些并解释为什么它们不存在，这将非常有用“我不能解决你的问题。MWE也很重要。现在投票结束，当你更新问题时会收回。好的，我会更新帖子，并尝试使问题更具可复制性。python中的字符串比较区分大小写（

'Yes'！='Yes'

），所以请尝试

df[（df.S11AQ1A20='Yes'）…

@Parfait你说得很对：）我有点怀念森林而不是树木。