Python 熊猫如何过滤一系列

在执行groupby（'name'）并在另一列上使用mean（）函数之后，我有一个类似这样的系列

name
383      3.000000
663      1.000000
726      1.000000
737      9.000000
833      8.166667

---

有人能告诉我如何过滤出平均值为1.000000的行吗？谢谢您，我非常感谢您的帮助。

另一种方法是首先转换为数据帧并使用该方法（假设您已安装numexpr）：

In [5]:

import pandas as pd

test = {
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
}

s = pd.Series(test)
s = s[s != 1]
s
Out[0]:
383    3.000000
737    9.000000
833    8.166667
dtype: float64

---

从pandas版本0.18+开始，还可以按如下方式进行一系列过滤

test = {
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
}

pd.Series(test).where(lambda x : x!=1).dropna()

结帐：

正如pandas 0.18.1所述，它能很好地满足您的需求

您可以将函数传递给

.loc

索引器或序列索引器

[]

，而不是使用

.where

，并避免调用

.dropna

：

test = pd.Series({
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
})

test.loc[lambda x : x!=1]

test[lambda x: x!=1]

---

DataFrame和NDFrame类也支持类似的行为

如果您喜欢链式操作，还可以使用

compress

功能：

test = pd.Series({
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
})

test.compress(lambda x: x != 1)

# 383    3.000000
# 737    9.000000
# 833    8.166667
# dtype: float64

---

实现这一点的一种快速方法是使用

numpy

对底层数组进行切片。见下面的计时

mask = s.values != 1
pd.Series(s.values[mask], s.index[mask])

0
383    3.000000
737    9.000000
833    8.166667
dtype: float64

天真的时机

在我的例子中，我有一个panda系列，其中的值是字符的元组：

因此，我可以使用索引来过滤序列，但要创建所需的索引，我需要

apply

。我的条件是“找到所有正好有一个“H”的元组”

我承认它不是“可链接的”（也就是说，请注意，我重复了两次

series\u of tuples

；您必须将任何临时序列存储到变量中，以便可以对其调用apply（…）

可能还有其他方法（除了

.apply（…）

）可以按元素操作以生成布尔索引

使用可链接函数的许多其他答案（包括已接受的答案），如：

• .compress（）

• .where（）

• .loc[]

• []

这些函数接受应用于序列的可调用函数（lambda），而不是应用于这些序列中的单个值

因此，当我尝试将上述条件/callable/lambda与任何可链接函数（如

.loc[]

）一起使用时，我的一系列元组表现得很奇怪：

series_of_tuples.loc[lambda x: x.count('H')==1]

产生错误：

KeyError:“级别H必须与名称相同（无）”

我很困惑，但它似乎在使用，这不是我想要的

我承认另一种数据结构可能更好：

• 类别数据类型
• 数据帧（元组的每个元素成为一列）
• 一系列字符串（仅将元组连接在一起）：

这将创建一系列字符串（即通过连接元组；将元组中的字符连接到单个字符串上）

这样我就可以使用

---

那么，如何根据给定的条件筛选一个序列呢？我更喜欢下面的答案，因为它们可以链接（即不需要定义

s

，然后在表达式中使用它两次）。虽然只适用于pandas 0.18。也可以在piRSquared中查看计时比较。这是我最喜欢的答案，而且它似乎是不使用numpy的情况下最快的（请参见计时比较）。我喜欢你的方法，我想知道如果我有多个面具会怎么样。Thx@MenglongLi看情况，你应该问一个问题。很可能，您会将它们与&。mask=mask1&mask2在方法链接方面非常好（让我想起了Spark）。这是真的，但是Spark在这种情况下做了一些更直观的事情：它只是去除了与谓词不匹配的行，这意味着在我阅读文档之前不使用“.dropna（）”部分，这对我来说显然是多余的。我不认为将条件作为字符串传递是一个好主意。这会增加数据帧的所有开销，而且速度会非常慢。请注意

pandas.Series.compress

自0.24.0版以来就不推荐使用。熊猫的。

Out[67]
0    (H, H, H, H)
1    (H, H, H, T)
2    (H, H, T, H)
3    (H, H, T, T)
4    (H, T, H, H)

series_of_tuples[series_of_tuples.apply(lambda x: x.count('H')==1)]

series_of_tuples.loc[lambda x: x.count('H')==1]

series_of_tuples.apply(''.join)

series_of_tuples.apply(''.join).str.count('H')==1