Python 选择多列并根据列表删除值

我有一个数据框，看起来像这样：

StudentID  Name       Assignment1 Assignment2 Assignment3
0    s1    user1           7           7           -3
1    s2    user2           2          15           10
2    s3    user3          12          10           10
3    s4    user4           6           2           10
4    s5    user5          -2           7            2

我想选择

赋值

值，仅限于此列表中的值：

[-3,0,2,4,7,10,12]

所以我想得到的结果是：

Error_values:
StudentID  Name       Assignment1 Assignment2 Assignment3
1    s2    user2           2          15           10
3    s4    user4           6           2           10
4    s5    user5          -2           7            2

Correct_values:
StudentID  Name       Assignment1 Assignment2 Assignment3
0    s1    user1           7           7           -3
2    s3    user3          12          10           10

到目前为止，我可以通过

def loadData(filename):
    raw_data = pd.read_csv(filename)
    return raw_data

def checkErrorsData(raw_data):
    df = pd.DataFrame(np.array(raw_data), columns=raw_data.columns)
    duplicated_Id = df[df.duplicated('StudentID', keep=False)]
    error_data = df[df['Assignment1'].isin([-3,0,2,4,7,10,12])]
    return duplicated_Id, error_data

---

但是，这需要处理每个列，如何在不键入标签的情况下对所有列执行此操作？

您可以使用

.loc

创建包含所有赋值的子数据帧。然后使用

isin

和

all

来识别哪些包含所有目标测试值（为行指定axis=1）

或者，假设您有三项任务：

assignments = 3
>>> df[df.iloc[:, 2:(2+1+assignments)].isin(target_test_values).all(axis=1)]
  StudentID   Name  Assignment1  Assignment2  Assignment3
0        s1  user1            7            7           -3
2        s3  user3           12           10           10

如果过去的分配没有更多的列，您可以简单地按如下方式编制索引：

df[df.iloc[:, 2:].isin(target_test_values).all(axis=1)]

mask = df.iloc[:, 2:].isin(target_test_values).all(axis=1)
correct_values = df[mask]
error_values = df[~mask]

要获得错误值，只需使用tilda（~）求反：

>>> df[~df.iloc[:, 2:].isin(target_test_values).all(axis=1)]
  StudentID   Name  Assignment1  Assignment2  Assignment3
1        s2  user2            2           15           10
3        s4  user4            6            2           10
4        s5  user5           -2            7            2

将布尔索引指定给掩码更有效，如下所示：

df[df.iloc[:, 2:].isin(target_test_values).all(axis=1)]

mask = df.iloc[:, 2:].isin(target_test_values).all(axis=1)
correct_values = df[mask]
error_values = df[~mask]

---

我们可以看看你的代码，看看你是否在正确的轨道是的，只是编辑它，谢谢！谢谢但是如果我有

n个赋值

，并且我不能键入所有列标签，会发生什么呢？我几乎使用了索引赋值，但为了清晰起见选择了标签。您可以使用

df[df.iloc[：，2:（2+1+n）].isin（目标测试值）。all（axis=1）]

其中

n

是分配的数量。见编辑。嘿，谢谢。它工作正常，感谢进一步的研究，我假设tilda否定也可以得到错误值。我还将包括一个稍微高效的版本。